多智能体轨迹规划算法

收敛更快更节能

该算法通过顺序凸规划引导的专家经验回放机制，显著加快多智能体强化学习的收敛速度，并生成更节能的卫星编队重构轨迹。

Da, Liu · 张秀云 · 宗群 · Hongbo, Li · 窦立谦 · Tian, Bailing

Neurocomputing 2025

参数信息

能量消耗降低率

10.38 %

技术优势

收敛更快

顺序凸规划生成的专家经验以单调递减概率参与网络更新，加速多智能体策略收敛。

能耗更低

相比顺序凸规划算法，能量消耗降低了10.38%。

应用场景

• 航天器与运载技术：为卫星编队重构生成节能且快速收敛的轨迹，替代传统规划模块。
• 卫星互联网：快速生成多星构型调整轨迹，支撑星座组网与覆盖优化。
• 低空飞行器：多智能体协同规划思路可迁移至低空飞行器集群的轨迹规划。