英国曼大全奖博士名额 [QS排名32]，对多智能体控制和学习感兴趣的同学，欢迎咨询。此次机会为导师奖学金，另外欢迎CSC、PDS或自费学生加入。https://www.findaphd.com/phds/project/distributed-active-reinforcement-learning-for-multi-agent-planning-and-control/?p161085#opennewwindow

合作导师：李中国，本科博士均毕业于曼大，先后于拉夫堡大学任博后研究助理、UCL任讲师，2023年入职曼大，主要研究兴趣包括多智能体控制、分布优化、强化学习以及机器人应用。

详情请联系：zhongguo.li@manchester.ac.uk

用于多智能体规划和控制的分布式主动强化学习

详细信息

随着网络连接系统的快速发展，子系统/代理之间的协调与合作在许多控制和机器人应用中变得越来越重要和强大。得益于与未知环境的广泛互动，强化学习在玩复杂游戏和虚拟机器人控制方面取得了显著成功。然而，它在现实世界应用中的适用性仍然相当有限，主要是因为它的采样效率很低，即大量的试错尝试。RL算法有一个经典的困境：代理是应该根据他们当前的知识最大限度地提高他们的奖励，还是探索理解不足的状态和行动，以潜在地提高未来的性能？近年来，基于RL的路径规划在机器人和控制领域受到了极大的研究关注。在充满挑战和不确定的环境中，探索不太了解的状态对于获得可靠的知识从而确保任务成功至关重要。为了提高采样效率，该博士项目旨在为多机器人系统开发主动探索RL算法，与具有随机探索机制的传统ε贪婪RL形成对比。新开发的算法将使用基准应用程序进行测试，以通过模拟和实验研究验证其有效性和与传统RL算法相比的改进。

资格

申请人应拥有或有望获得相关科学或工程相关学科的至少2.1荣誉学位或硕士学位。在机器人和控制方面有丰富的实验经验是一大优势。

基金

在曼彻斯特，我们提供一系列大学、学院和系级别的奖学金、学生奖学金和奖项，以支持英国和海外的研究生研究人员。

有关更多信息，请访问我们的资助页面(https://www.se.manchester.ac.uk/phds-science-engineering/funding/?utm_source=findaphd&utm_medium=referral&utm_campaign=fse-pgr-2022&utm_content=project_founding）#opennewwindow）获得您可能有资格获得的特定奖学金、助学金和奖励。

申请前

强烈建议您在申请之前与该项目的主管联系。有关该项目的咨询可以发送给李博士(zhongguo.li@manchester.ac.uk)

融资票据

我们预计这个3.5年的项目将获得部门资金，很快就会得到确认。这笔资金将用于支付学费和按英国皇家研究院费率计算的津贴（23-24岁学生约18622英镑）。其他融资机会，如PDS和CSC，也可用。如果你有自己的资金来支持你的博士研究，我强烈鼓励你在第一次联系我时提前强调这一点。

转自：“科研doge”微信公众号

如有侵权，请联系本站删除！