论文解读
AI 辅助整理- 方法
- 构建500个日本水稻收获仿真场景，Double DQN训练并在100个留出场景评
- 发现
- 强化学习作物损失率中位数7.52%，显著低于最近田块策略8.59%和先进先出13.25%。
- 机会点
- 可扩展到多机型协同、实时气象预报耦合及真实农场数据验证的鲁棒调度研究。
论文摘要
构建500个日本水稻收获多智能体仿真场景，以Double DQN训练共享调度策略并在100个留出场景评测。台风下强化学习作物损失率中位数7.52%，低于最近田块策略8.59%与先进先出的13.25%，配对Wilcoxon检验p=0.011。
论文原文与出版信息
Agriculture (MDPI)