控制理论与应用

作者：张华卿,郝明瑞,姜吉祥,张晓飞,马宏宾,司佳帅

单位：北京机电工程研究所 复杂系统控制与智能协同全国重点实验室,北京机电工程研究所 复杂系统控制与智能协同全国重点实验室,北京机电工程研究所 复杂系统控制与智能协同全国重点实验室,清华大学 车辆与运载学院,北京理工大学 自动化学院,北京机电工程研究所 复杂系统控制与智能协同全国重点实验室

关键词：异构多智能体;任务分配;深度强化学习;注意力机制;紧急任务场景

基金：国家自然科学基金项目(62076028)资助.

现有的基于学习的构造任务分配方法需要在连续构造一个完整任务分配方案后,再将任务分配给智能体去执行,其在救援、对抗等大规模紧急任务场景下通常无法满足任务的实时性需求.本文则针对大规模紧急任务场景下异构多智能体任务分配策略寻优问题,提出了一种基于深度强化学习的多智能体批次任务分配方法.在该方法中设计了包含编码器、智能体和任务节点选择解码器、递归嵌入结构的策略模型,其能够根据目标函数的最优性要求一次给出一个批次的由智能体–任务节点对所构造的部分任务分配方案.在在线任务分配中相应的智能体不用等到构造完完整的任务分配方案后再去执行相应的任务.评估结果表明,多智能体批次任务分配方法提高了紧急任务场景下任务分配策略的实时性、可靠性和协同能力.

来源：2025年第11期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2025年第11期