| Titre : | Optimisation et planification de trajectoire pour les systèmes multi-agents |
| Auteurs : | Mohamed Nadjib Rahal, Auteur ; Chérif Larbes, Directeur de thèse |
| Type de document : | document électronique |
| Editeur : | [S.l.] : [s.n.], 2024 |
| Format : | 1 fichier PDF (5 Mo) / ill. |
| Note générale : |
Mode d'accès : accès au texte intégral par intranet.
Mémoire de Projet de Fin d’Études : Electronique : Alger, École Nationale Polytechnique : 2024 Bibliogr. p. 81 - 84 . - Webographie p. 85 |
| Langues : | Français |
| Index. décimale : | PN00824 |
| Tags : | Systèmes multi-agents Planification de trajectoires PRM Apprentissage Profond par renforcement (Deep Q-Learning) |
| Résumé : | Faciliter la manœuvre autonome des robots mobiles est crucial pour diverses applications. Cette tâche devient plus complexe dans les contextes nécessitant une structure multi-agents pour accomplir des tâches trop complexes pour un seul agent. L’objectif est de créer des trajectoires optimales sans collision qui assurent l’atteinte d’un objectif commun. Dans cette recherche, deux solution sont proposées : l’exploration décentralisée basée sur la carte des routes probabilistes (PRM) et l’apprentissage centralisé basé sur le réseau de neurones profonds (DQN). L’étude vise à évaluer la performance de ces approches pour déterminer leur applicabilité dans un contexte plus large. |
Exemplaires (1)
| Cote | Support | Localisation | Section | Disponibilité | Spécialité | Etat_Exemplaire |
|---|---|---|---|---|---|---|
| PN00824 | Ressources électroniques | Bibliothèque centrale | Projet Fin d'Etudes | Disponible | Electronique | Téléchargeable |
Documents numériques (1)
|
RAHAL.Mohamed-Nadjib.pdf URL
|
