EUVIMEDEUVIMED entdecken
Open Access · CC BY 4.0

Decoupling Patrolling Tasks for Water Quality Monitoring: A Multi-Agent Deep Reinforcement Learning Approach

Dame Seck Diop, Samuel Yanes Luis, Manuel Perales Esteve, Sergio L. Toral Marín, Daniel Gutiérrez Reina

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.

AbstractBibliografische AngabenZitierenVerwandte Studien

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}
}
Kostenlos starten →