航线交换机制下多船避碰的策略学习与博弈决策

汪洋,刘红超,田池,吴兵,张笛

Multi-ship collision avoidance via route exchange mechanism: strategy learning and game-theoretic decision making

Yang WANG,Hongchao LIU,Chi TIAN,Bing WU,Di ZHANG

表 1 多智能体深度确定性策略梯度算法参数

Tab.1 Parameter of multi-agent deep deterministic policy gradient algorithm

参数 数值 参数 数值 训练最大回合数 104 经验池大小$ D $ 106 最大时间步长Step 500 网络学习率$ \alpha $ 0.0005 采样样本数$ K $ 256 奖励折扣系数$ \gamma $ 0.98 软更新系数$ \tau $ 0.0005 — —