有向监控设备三维区域覆盖算法

现有设备区域覆盖方面的研究大多针对二维空间无向感知区域,设备位置往往随机设定,对复杂空间环境的感知覆盖率较低,难以满足安全监控等实际应用的需求,本文针对复杂环境下的有向监控设备网络,首先建立设备感知模型,然后提出在三维空间区域中结合虚拟力及区域权重的设备监控方向调整算法,增加区域有效覆盖率,最后基于贪心策略给出额外设备的部署方案以进一步增强区域覆盖.实验结果表明本文提出的方案能以较小代价大幅提高区域覆盖率.     

基于DP-SAMQ行为树的智能体决策模型研究

在多智能体仿真中使用行为树进行决策具有直观、易扩展等优点,但行为树的设计过程过于复杂,人工调试时效率低下.引入Q-Learning来实现行为树的自动设计.为解决传统Q-Learning的收敛速度慢的问题,将模拟退火算法中的Me-tropolis准则应用到动作选择策略中,随着学习过程自适应改变次优动作的选择概率以及将动态规划思想应用到Q值更新策略.实验结果证明,基于改进的多步Q-Learning行为树的智能体决策模型具有更快的收敛速度,并且能够实现行为树的自动设计和优化.