/SatelliteMARS

Multi-Agent Reinforcement learning for Satellite scheduling,基于stk11的多智能体强化学习卫星调度实验

Primary LanguageScala

没人想写 README

mission.py

规定了任务mission类,mission在实例化的时候就会随机生成经纬度等信息,如果需要修改对应信息,直接在mission类中修改即可;

create_mission.py

创建大量随机任务,存储在data/missions.csv中,可以修改创建任务规模;

compute_access.py

读取data/missons.csv中的任务,计算每个任务的可访问时段,存储在data/access.csv中; 需要连接到已经打开的 STK 11 场景,场景储存在scenario/RLSTAR.sc中;

handle_csv.py

读取data/missions.csvdata/access.csv ,进行对齐处理,计算当任务出现时,哪些卫星可以观测到,并将对应结果存储在data/MRL_data.csv中;

sort.py

读取data/MRL_data.csv,对统一批次中的数据按照到达时间进行排序,将结果存储在data/MRL_data_sorted.csv中;

generate_data.py

整合了create_mission.py compute_access.pyhandle_csv.pysort.py,可以一键生成数据;

augument_data.py

读取指定原始数据,对数据进行增强处理,可以指定从原始数据中抽取的数量和生成的批次;

merge_csv.py

读取指定数据集列表,拼接列表中的数据集;

no_similate_train.py

读取data/lab中的实验数据,训练模型,储存最好的模型,并且储存每轮的reward到data/reward

plot_training_rewards.py

读取data/reward中的reward数据,并画图