인문학
사회과학
자연과학
공학
의약학
농수해양학
예술체육학
복합학
DBpia AI
AI 에이전트
AI 아이디어
AI 리더
AI 뷰어
Citeasy
크롬 서지관리 다운로드
지원사업
학술연구/단체지원/교육 등 연구자 활동을 지속하도록 DBpia가 지원하고 있어요.
커뮤니티
연구자들이 자신의 연구와 전문성을 널리 알리고, 새로운 협력의 기회를 만들 수 있는 네트워킹 공간이에요.
피인용 0
초록·키워드
Manned and unmanned combat systems demand rapid decision-making and effective strategies, highlighting the growing importance of Multi-Agent Reinforcement Learning (MARL) in addressing such complexities. This study investigates the performance of multi-agent RL algorithms in many combat scenarios, focusing on independent decision-making algorithms (DQN, PPO) cooperate algorithms (QMIX, COMA). A simulation environment based on actual weapon specifications was designed to evaluate the algorithms’ learning outcomes using key performance metrics such as survival rates and win rates. The analysis identifies the suitability and behavioral differences of each algorithm across diverse scenarios. Cooperative algorithms are assessed for their effectiveness in collective strategy optimization, while independent algorithms are evaluated for their ability to optimize individual agent actions. This research contributes to the understanding of RL algorithms’ tactical applicability and provides insights into the comparative advantages of cooperative versus independent approaches in complex combat environments.
본문·목차
인공지능 문자 인식 모델을 통해 추출된 텍스트로, 일부 오타나 오류가 포함될 수 있으나 지속적으로 개선 중입니다.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
오류를 발견하셨다면 해당 부분을 드래그한 후 ' 를 통해 신고해주세요.
최근 본 자료 전체보기
UCI(KEPA) : I410-151-25-02-094011792
