Optimisation et planification de trajectoire pour les systèmes multi-agents [document électronique] /
Mohamed Nadjib Rahal, Auteur ;
Chérif Larbes, Directeur de thèse . -
[S.l.] : [s.n.], 2024 . - 1 fichier PDF (5 Mo) : ill.
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 (
fre)
| Mots-clés : |
Systèmes multi-agents
Planification de trajectoires
PRM
Apprentissage
Profond par renforcement (Deep Q-Learning) |
| Index. décimale : |
PN00824 |
| 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. |
PN00100 
Ajouter le résultat dans votre panier
Visionner les documents numériques
Faire une suggestion Affiner la rechercheOptimisation et planification de trajectoire pour les systèmes multi-agents (2024)
