检索范围:
排序: 展示方式:
多智能体协作与博弈展望:挑战、技术和应用 Perspective
刘瑜1,李徵2,姜智卓2,何友1
《信息与电子工程前沿(英文)》 2022年 第23卷 第7期 页码 1002-1009 doi: 10.1631/FITEE.2200055
带有网络智能体的去中心化多智能体强化学习进展 Review Article
张凯清1,杨卓然2,Tamer BAŞAR1
《信息与电子工程前沿(英文)》 2021年 第22卷 第6期 页码 802-814 doi: 10.1631/FITEE.1900661
基于多智能体微分博弈的数据驱动协同一致控制 Research Article
石宇1,化永朝2,于江龙1,董希旺1,2,任章1
《信息与电子工程前沿(英文)》 2022年 第23卷 第7期 页码 1043-1056 doi: 10.1631/FITEE.2200001
针对意外崩溃智能体的教练辅助多智能体强化学习框架 Research Article
赵鉴1,赵有朋1,王维埙2,阳明宇1,胡迅晗1,周文罡1,郝建业2,李厚强1
《信息与电子工程前沿(英文)》 2022年 第23卷 第7期 页码 1032-1042 doi: 10.1631/FITEE.2100594
关键词: 多智能体系统;强化学习;意外崩溃智能体
输入饱和下多智能体系统最优一致性控制:一类非零和博弈方法 Research Article
李洪阳1,2,魏庆来1,2,3
《信息与电子工程前沿(英文)》 2022年 第23卷 第7期 页码 1010-1019 doi: 10.1631/FITEE.2200010
张宏伟,吴爱国,盛涛
《中国工程科学》 2006年 第8卷 第7期 页码 58-62
针对变风量(VAV)空调系统的特性,将VAV系统分解为多个智能体,提出了基于多智能体技术的分布式智能控制方法,有效地解决了变风量空调系统回路间的解耦和协调问题。建立了VAV系统的动态仿真程序,仿真结果表明该控制方法是有效的。
博弈的存在与实践:对多智能体博弈发展的思考 Perspective
董琦1,吴镇宇1,2,陆军1,孙凤松1,3,王锦宇1,3,杨焱煜1,尚晓舟1
《信息与电子工程前沿(英文)》 2022年 第23卷 第7期 页码 995-1001 doi: 10.1631/FITEE.2100593
基于多智能体深度强化学习的工业无线网络端边协同资源分配 Research Article
刘晓宇1,2,3,4,许驰1,2,3,于海斌1,2,3,曾鹏1,2,3
《信息与电子工程前沿(英文)》 2022年 第23卷 第1期 页码 47-60 doi: 10.1631/FITEE.2100331
基于多智能体强化学习的车载自组织网络协作信道分配 Research Articles
王云鹏,郑坤贤,田大新,段续庭,周建山
《信息与电子工程前沿(英文)》 2020年 第21卷 第7期 页码 1047-1058 doi: 10.1631/FITEE.1900308
人工智能在化学逆合成中的应用 Review
Yinjie Jiang, Yemin Yu, Ming Kong, Yu Mei, Luotian Yuan, Zhengxing Huang, Kun Kuang, Zhihua Wang, Huaxiu Yao, James Zou, Connor W. Coley, Ying Wei
《工程(英文)》 2023年 第25卷 第6期 页码 32-50 doi: 10.1016/j.eng.2022.04.021
近年来,人们对通过人工智能(AI)技术解决化学逆合成预测问题产生了巨大的兴趣。与化学家和基于规则的专家系统进行的逆合成预测不同,AI驱动的逆合成预测自动从现成的实验数据集中学习化学知识,以预测反应和逆合成路径。我们首先讨论了化学逆合成的数学定义,并回顾了这个问题中的研究挑战。 然后,我们回顾相关的AI技术和最新进度,以实现逆合成预测。
谭建荣,刘振宇,徐敬华
《中国工程科学》 2018年 第20卷 第4期 页码 35-43 doi: 10.15302/J-SSCAE-2018.04.007
智能产品与装备是智能制造和服务的价值载体、技术前提和物质基础。智能产品与装备的内涵体现在两个辩证的方面:一是智能技术的产品化,主要体现在物联网、大数据、云计算、边缘计算、机器学习、深度学习、安全监控、自动化控制、计算机技术、精密传感技术、GPS定位技术等的综合应用;二是传统产品的智能化,借势新一代人工智能,赋予传统产品以更高智慧,在智能制造装备、智能生产、智能管理等方面注入强劲生命力和发展动能。在广泛科学调研和已有研究基础上,结合《中国制造2025》的十大重点领域及《人工智能三年行动计划》等宏观政策,拟定了智能产品与装备的十二大装备领域。研究表明,新一代智能产品与装备以知识工程为核心,以自感应、自适应、自学习和自决策为显著特征。未来将重点发展该领域的十大关键技术。
人在回路的深度强化学习算法及其在自动驾驶智能决策中的应用 Article
吴京达, 黄志宇, 胡中旭, 吕辰
《工程(英文)》 2023年 第21卷 第2期 页码 75-91 doi: 10.1016/j.eng.2022.05.017
由于机器学习智能和能力有限,它目前仍无法处理各种情况,因此不能在现实应用中完全取代人类。因为人类在复杂场景中表现出稳健性和适应性,所以将人类引入人工智能(AI)的训练回路并利用人类智能进一步提升机器学习算法变得至关重要。本研究开发了一种基于实时人类指导(Hug)的深度强化学习
(DRL)方法,用于端到端自动驾驶案例中的策略训练。通过新设计的人类与自动化之间的控制转移机制,人类能够在模型训练过程中实时干预和纠正智能体的不合理行为。所提出的Hug-DRL的快速收敛允许实时的人类指导行为融合到智能体的训练回路中,进一步提高了DRL的效率和性能。
基于非正交多址接入的雾无线接入网络中网络效益最大化的资源分配:博弈论方法 Research Article
曹雪妍,闫实,张洪铭
《信息与电子工程前沿(英文)》 2022年 第23卷 第10期 页码 1546-1561 doi: 10.1631/FITEE.2100341
基于非正交多址接入(NOMA)的雾无线接入网(F-RANs)提供了高频谱效率、超低延迟和巨大的网络吞吐量,这得益于雾接入点(F-APs)的边缘计算和通信功能。最后,我们提出一种迭代方法和一种基于Stackelberg博弈的方法来求解各子问题。数值结果表明,在基于NOMA的F-RANs中,与现有资源分配方案相比,所提出的方法可以显著提高网络效益。
标题 作者 时间 类型 操作
人工智能在化学逆合成中的应用
Yinjie Jiang, Yemin Yu, Ming Kong, Yu Mei, Luotian Yuan, Zhengxing Huang, Kun Kuang, Zhihua Wang, Huaxiu Yao, James Zou, Connor W. Coley, Ying Wei
期刊论文