[发明专利]一种多Agent围捕-觅食行为控制方法

权利要求书

1.一种多Agent围捕-觅食行为控制方法，其特征在于，包括以下步骤：

1)对多Agent和猎物当前所处位置形成的状态空间进行划分；

2)设计奖赏函数；

3)根据步骤1)划分的状态空间及步骤2)的奖赏函数进行强化学习，控制各Agent进行相应的原子动作，实现对猎物的围捕，在满足围捕成功条件时停止，达到觅食效果；

所述步骤1)中，对状态空间的划分具体为：

101)将Agent与猎物之间的角度进行划分；

102)将各Agent与猎物之间的距离进行离散分段。

2.根据权利要求1所述的多Agent围捕-觅食行为控制方法，其特征在于，所述将Agent与猎物之间的角度进行划分具体为：将两个Agent与猎物之间的夹角划分为如下表的10个状态

。

3.根据权利要求1所述的多Agent围捕-觅食行为控制方法，其特征在于，所述划分为非均匀状态划分，所述离散分段为非均匀划分。

4.根据权利要求1所述的多Agent围捕-觅食行为控制方法，其特征在于，所述步骤2)中，奖赏函数R为：

R＝a*J+rn

其中，J为角度奖赏，J＝G(θ)_left+G(θ)_right，G(θ)_left为某一Agent的左夹角θ_left对应的角度奖赏，G(θ)_right为该Agent的右夹角θ_right对应的角度奖赏，rn为距离奖赏，a为J与rn之间的相对重要程度系数。

5.根据权利要求4所述的多Agent围捕-觅食行为控制方法，其特征在于，每个角度θ对应的角度奖赏表达式为：

6.根据权利要求4所述的多Agent围捕-觅食行为控制方法，其特征在于，所述距离奖赏rn通过以下表格获取：

d	0～0.5m	0.5～1.0m	0.5～1.4m	1.4～2.0m	2.0～3.5m	3.5～5.0m	>5.0m
rn	1.2	1.1	1.0	0.7	0.5	0.2	0

其中，d表示Agent与猎物之间的距离。