基于局部高斯过程与深度强化学习的多智能体水资源监测信息采集框架
人工智能
2024-01-10 v1 机器学习
摘要
水文资源的保护涉及对其污染的持续监测。本文提出一种由自主水面航行器组成的多智能体系统，以高效监测水质。为实现对船队的安全控制，船队策略应能基于测量值和船队状态采取行动。本文提出联合使用局部高斯过程与深度强化学习来获得有效的监测策略。与经典的全局高斯过程不同，局部高斯过程能够准确建模具有不同空间相关性的信息，从而更精确地捕捉水质信息。本文提出一种深度卷积策略，该策略通过信息增益奖励，基于该模型的均值和方差观测结果做出决策。利用双重深度Q学习算法，并通过基于共识的启发式方法，训练智能体以安全的方式最小化估计误差。仿真结果表明，所提模型在平均绝对误差方面最高可提升24%。此外，使用1至3个智能体的训练结果表明，与现有最优方法相比，我们提出的方法在监测水质变量和监测藻华时，平均估计误差分别降低了20%和24%。
引用
@article{arxiv.2401.04631,
title = {Deep Reinforcement Multi-agent Learning framework for Information Gathering with Local Gaussian Processes for Water Monitoring},
author = {Samuel Yanes Luis and Dmitriy Shutin and Juan Marchal Gómez and Daniel Gutiérrez Reina and Sergio Toral Marín},
journal= {arXiv preprint arXiv:2401.04631},
year = {2024}
}