SWARM开放获取
异构AAV物流任务分配:一种强化学习增强的重叠联盟形成博弈方法
Yuze Zhou, Jingliang Sun, Junzhi Li, Jianxin Zhong, Zihan Wang, Teng Long
2026
摘要
针对动态城市物流中时间敏感任务的随机出现对异构AAV任务分配带来的最优性挑战,提出了一种强化学习增强的重叠联盟形成博弈方法。该方法通过变压器软演员-评论家网络学习自适应策略,引导联盟更新,并在有限迭代内收敛到纳什稳定均衡。
关键词
task allocationreinforcement learningcoalition formationheterogeneous AAVsurban logistics
相关论文
MANIPULATION
📊 0 引用
PAEAR:基于强化学习的点云区域探索与主动识别方法用于机器人焊接
Yong Tao, Donghua Tan, Fan Ren 等 9 位作者
Robotics and Computer-Integrated Manufacturing · 2026
MANIPULATION
📊 0 引用
基于因果强化学习的薄壁零件变形控制多道次切削参数优化
Fengyi Lu, Guanghui Zhou, Chao Zhang 等 5 位作者
Robotics and Computer-Integrated Manufacturing · 2026
SWARM
📊 0 引用
基于大语言模型增强的多智能体强化学习的无人机博弈分层决策
Xinyu Dong, Bo Li, Guangyu Zhang 等 5 位作者
Aerospace Science and Technology · 2026
SWARM
📊 0 引用
基于嵌入式语言模型的多机器人系统动态重构
Shokhikha Amalana Murdivien, Jongsu Park, Jumyung Um
Robotics and Computer-Integrated Manufacturing · 2026