基于多智能体深度强化学习的多船协同避碰策略

摘要： 为了提高多船会遇时智能避碰策略的协同性、安全性、实用性和节能性，在中心化训练去中心化执行框架下，结合优先经验回放机制提出一种多智能体Softmax深层双确定性策略梯度PER-MASD3算法，用于解决多船协同避碰问题，该算法不仅解决了双延迟确定策略梯度(TD3)算法存在的值估计偏差问题，还在模型训练过程中引入熵正则项，以促进探索和控制随机控制策略，采用自适应噪声对不同阶段的任务进... （共17页）