搜索资源列表
muti-agents-toolbox
- 多智能体工具包，可直接用来进行多智能体强化学习算法设计与仿真
MGA
- 这是一个基于多智能体的遗传算法，算法中以一个30维Rastrigin的函数（该函数有无数个局部积小点一个最小点）为例进行了演示——连续独立运行五十次，每次的解小于1e-4，使用了matcom45和C++的混合编程,请先下载后使用程序-This is a Multi-agent-based genetic algorithm with a 30-dimensional Rastrigin function (the function has numerous local small plot po
littlegreenbats-svn2008.09.02
- 一个基于行为的分层结构多智能体足球仿真项目源码，获得过多次robocup比赛奖项.使用XML文件来作为运行时生成树型结构的配置文件。涉及到遗传算法，自动学习，概率分布等多方面内容。-A hierarchical behavior-based multi-agent soccer simulation project source code, access to many times robocup Competition awards. Using the XML file to generat
Multiagent
- 智能控制导论中，一种基于简单数据控制的多智能体的研究方法-Introduction to intelligent control, the multi-agent research methods
mamcpso
- 粒子群算法与多智能体系统相结合所编写的算法-Particle swarm optimization with a combination of multi-agent system algorithm written
ASM-2.4.1.tar
- 经典的swarm for java 多智能体仿真代码-Classic swarm for java multi-agent simulation code
Multi-Agent-Particle-Swarm-Algorithm
- 结合多智能体的学习、协调策略及粒子群算法，提出了一种基于多智能体粒子群优化的配电网络重构方法。该方法采用粒子群算法的拓扑结构来构建多智能体的体系结构，在多智能体系统中，每一个粒子作为一个智能体，通过与邻域的智能体竞争、合作。能够更快、更精确地收敛到全局最优解。粒子的更新规则减少了算法不可行解的产生，提高了算法效率。实验结果表明，该方法具有很高的搜索效率和寻优性能。-Combining the study of multi-agent technology，coordinating strateg
MAS01
- 多智能体及其协同控制研究进展. rar-Multi-agent collaborative control of progress. Multi-agent collaborative control of progress rar
PSOaMAPSO-reactive-power-opti
- 标准14节点的无功优化，粒子群算法和多智能体粒子群算法的实现，需要放到matpowe里。-ieee14 nodes system reactive optimized to achieve PSO and Multi-Agent particle swarm algorithm, need to put matpower environment.
Intelligent-control
- 资料包含三个部分： 1：多智能体系统一致性迭代学习控制的理论和算法 2：运用Hopfield神经网络求解优化问题 3：模糊系统设计的原理和算法-Theory and algorithms of multi-agent system consistency Iterative Learning Control 2:: Data consists of three parts: a use of Hopfield neural networks for solving optimizat
MATLAB
- 多智能体系统简单的一致性仿真，图形实现出来。-Multi-agent system simple consistency simulation graphics to achieve them.
balanced-graph1
- 多智能体一致性实现算法,实现最基本的一致性检测-Simulation for multi-agent consensus problems
1709.04326
- 多智能体设置在机器学习中的重要性日益突出。超过了最近的大量关于深度的工作多agent强化学习，层次强化学习，生成对抗网络和分散优化都可以看作是这种设置的实例。然而，多学习代理人的存在这些设置使得培训问题的非平稳常常导致不稳定的训练或不想要的最终结果。我们提出学习与对手的学习意识（萝拉），一种方法，原因的预期。其他代理的学习。罗拉学习规则包括一个额外的术语，解释了在预期的参数更新的代理政策其他药物。我们发现，利用似然比策略梯度更新的方法，可以有效地计算萝拉更新规则，使该方法适合于无模型强化学习。这
二维
- 多智能体蜂涌编队飞行，值得学习。经典论文的复现(The multi agent swarm is flying in formation, which is worth learning. Reappearance of classic papers)
二维_避障
- 多智能体在飞行过程中进行避障。利用的是一致性理论。值得学习。(The multi-agent can avoid the obstacle during the flight. The theory of consistency is used. It is worth learning.)
三维
- 多智能体在三维环境下的编队飞行控制。利用的是一致性理论。值得学习(The formation flight control of a multi-agent in a three-dimensional environment. The theory of consistency is used. Worth learning)
MAgent-master
- 多智能体的一段代码，有关强化学习，机器学习，很实用的一段代码！(A code of multi-agent, about reinforcement learning, machine learning, a very practical piece of code!)
线性多智能体系统的事件驱动一致性控制_李思远
- 多智能体文章是有关事件触发的可以看看。。。。。。。。。。。。。。。。。。(Multi-agent Articles)
基于粒子群优化的多智能体协作进化方法
- 粒子群优化在多智能体系统上的应用和仿真实现(the implementation of PSO in multi-agent systems)
632983 MATLAB优化算法案例分析与应用
- 协同进化计算与多智能体系统B5.319_11692466(Collaborative evolutionary computation and multi-agent system B5.319 _11692466)