量子多无人机强化学习的软件仿真与可视化
量子物理
2023-02-06 v3 人工智能
机器学习
多智能体系统
摘要
量子机器学习（QML）因其轻量的训练参数量和速度而备受关注；QML 的进展推动了量子多智能体强化学习（QMARL）的活跃研究。现有的经典多智能体强化学习（MARL）具有非平稳性和不确定性的特征。因此，本文提出了一种用于新型 QMARL 控制自主多无人机（即量子多无人机强化学习）的仿真软件框架。我们提出的框架以较少的可训练参数实现了合理的奖励收敛和服务质量性能。此外，它显示出更稳定的训练结果。最后，我们提出的软件允许我们分析训练过程和结果。
关键词
引用
@article{arxiv.2211.15375,
title = {Software Simulation and Visualization of Quantum Multi-Drone Reinforcement Learning},
author = {Chanyoung Park and Jae Pyoung Kim and Won Joon Yun and Soohyun Park and Soyi Jung and Joongheon Kim},
journal= {arXiv preprint arXiv:2211.15375},
year = {2023}
}
备注
Revise paper