基于ATMADDPG算法的多水面无人航行器编队导航

摘要

为提高多无人船编队系统的导航能力，提出了一种基于注意力机制的多智能体深度确定性策略梯度(ATMADDPG:Attention Mechanism based Multi-Agent Deep Deterministic Policy Gradient)算法。该算法在训练阶段，通过大量试验训练出最佳策略，并在实验阶段直接使用训练出的最佳策略得到最佳编队路径。仿真实验将4艘相同的“百川号”无人船作为实验对象。实验结果表明，基于ATMADDPG算法的队形保持策略能实现稳定的多无人船编队导航，并在一定程度上满足队形保持的要求。相较于多智能体深度确定性策略梯度(MADDPG:Multi-Agent Depth Deterministic Policy Gradient)算法，所提出的ATMADDPG算法在收敛速度、队形保持能力和对环境变化的适应性等方面表现出更优越的性能，综合导航效率可提高约80%,具有较大的应用潜力。

关键词

多无人船编队导航 / MADDPG算法 / 注意力机制 / 深度强化学习