摘要
本发明涉及移动机器人追踪任务技术领域,特别涉及多智能体目标追踪任务分配方法、装置以及存储介质。本发明提供的多智能体目标追踪任务分配方法中,通过在多赢者通吃神经网络中引入时变学习率和通用激活函数来实现该模型的鲁棒性和有限时间收敛性,得到具有有限时间收敛性和抑制噪声能力的有限时间分布式多赢者通吃神经网络。基于有限时间分布式多赢者通吃神经网络能使多智能体任务分配能够在存在外部干扰的情况下,在最短的时间内选择获胜者,更好地适应场景需要。有限时间收敛机制可以促使智能体在更短的时间内完成任务分配,提高任务分配的可靠性,防止智能体因为无法达成共识而停滞或崩溃,实现更加高效和可靠的多智能体任务分配。
技术关键词
任务分配方法
KKT条件
变量
决策
误差函数
任务分配装置
鲁棒性分析
参数
可读存储介质
移动机器人
时延
处理器
通信信道
实时位置
速度
广义
数学
元素
动态
定义
系统为您推荐了相关专利信息
层次结构模型
矩阵
评价指标体系
覆盖率
学校教学设备
智能决策方法
网络
加速度
分层强化学习
追踪航天器
巡检机器人
任务分配方法
客观评价指标
保护设备
任务分配系统