Decoupling Patrolling Tasks for Water Quality Monitoring: A Multi-Agent Deep Reinforcement Learning Approach
IEEE Access · 2024 · 12 · 75559-75576
DOI: 10.1109/access.2024.3403790 ↗Kurz gefasst
Fachartikel in der Zeitschrift IEEE Access, 2024. Verfasst von Dame Seck Diop und 4 weiteren Autor:innen. Die Arbeit wurde bisher 15-mal zitiert (Crossref) und nennt 39 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: Ministerio de Ciencia y Tecnolog?a, Junta de Andaluc?a.
Abstract (Originalsprache)
Kein Abstract verfügbar.
Förderung
- Ministerio de Ciencia y Tecnolog?a
- Junta de Andaluc?a
Zitieren
APA
Diop, D. S., Luis, S. Y., Esteve, M. P., Marín, S. L. T., & Reina, D. G. (2024). Decoupling Patrolling Tasks for Water Quality Monitoring: A Multi-Agent Deep Reinforcement Learning Approach. IEEE Access, 12, 75559-75576. https://doi.org/10.1109/access.2024.3403790
Vancouver
Diop DS, Luis SY, Esteve MP, Marín SLT, Reina DG. Decoupling Patrolling Tasks for Water Quality Monitoring: A Multi-Agent Deep Reinforcement Learning Approach. IEEE Access. 2024;12:75559-75576. doi:10.1109/access.2024.3403790
BibTeX
@article{Diop2024,
author = {Diop, Dame Seck and Luis, Samuel Yanes and Esteve, Manuel Perales and Marín, Sergio L. Toral and Reina, Daniel Gutiérrez},
title = {Decoupling Patrolling Tasks for Water Quality Monitoring: A Multi-Agent Deep Reinforcement Learning Approach},
journal = {IEEE Access},
year = {2024},
volume = {12},
pages = {75559--75576},
doi = {10.1109/access.2024.3403790}
}
EUVIMED