基于多智能体强化学习的多源浊流追踪

工业灾难如1984年的博普卡尔灾难和2015年的阿尔索山瓦斯泄漏，凸显了迅速且可靠浊流追踪算法的紧迫需求，以保护公共健康和环境。传统方法，如梯度法或生物学启发方法，往往在现实、湍流条件下难以实现。为此，我们提出了一种用于多空气污染源定位的多智能体强化学习（MARL）算法，利用小型无人机编队（sUAS）实现。我们将问题建模为部分可观测马尔可夫游戏（POMG），采用基于长短期记忆网络（LSTM）的基于动作的深度循环Q网络（ADDRQN），利用历史动作-观测序列的完整序列，有效地近似潜在状态。与先前工作不同，我们使用基于高斯浊流模型（GPM）的通用仿真环境，包含三维环境、传感器噪声、多个相互作用的智能体以及多个浊流源。将动作历史作为输入的 incorporation 进一步增强了模型在复杂、部分可观测环境中的适应性。大量仿真结果表明，我们的算法显著优于传统方法。具体而言，我们的模型仅需探索环境中1.29%的空间即可成功定位污染源。