基于自适应 S GD‐多智能体的防空资源部署优化

T P 309%T P 301.6; 针对分布式环境下的战场指挥资源部署存在的效率低、速度慢、无法达到预期战略、数据集过大导致计算资源损耗过大等问题,提出了一种分布式环境下多智能体联盟的指挥控制资源部署优化算法.通过对深度学习中的梯度下降算法进行学习率的改进,将原本设定的学习率改为自适应的学习率,进而对指挥控制资源部署进行多智能体联盟的设计.仿真证明了该算法对此问题具有优越的适应性,可以高效地解决分布式环境下的多智能体联盟的指挥控制资源部署优化问题....

Full description

Saved in:
Bibliographic Details
Published in系统工程与电子技术 Vol. 41; no. 7; pp. 1536 - 1543
Main Authors 张杰, 王刚, 宋亚飞, 姜浩博, 赵方正
Format Journal Article
LanguageChinese
Published 空军工程大学防空反导学院,陕西西安,710054 2019
Subjects
deep learning
资源部署优化
梯度下降算法
agent alliance
深度学习
gradient descent al‐gorithm
resource deployment optimization
智能体联盟
distributed multi‐agent
分布式多智能体
Online AccessGet full text
ISSN1001-506X
DOI10.3969/j.issn.1001‐506X.2019.07.14

Cover

More Information
Summary:T P 309%T P 301.6; 针对分布式环境下的战场指挥资源部署存在的效率低、速度慢、无法达到预期战略、数据集过大导致计算资源损耗过大等问题,提出了一种分布式环境下多智能体联盟的指挥控制资源部署优化算法.通过对深度学习中的梯度下降算法进行学习率的改进,将原本设定的学习率改为自适应的学习率,进而对指挥控制资源部署进行多智能体联盟的设计.仿真证明了该算法对此问题具有优越的适应性,可以高效地解决分布式环境下的多智能体联盟的指挥控制资源部署优化问题.
ISSN:1001-506X
DOI:10.3969/j.issn.1001‐506X.2019.07.14