本發明公開了一種基于值分解和注意力機制的多智能體強化學習方法,包括:(1)構建學習環境,學習環境包括多個智能體,每個智能體包括Critic網絡和Actor網絡;(2)初始化Critic網絡和Actor網絡參數;(3)將每個智能體的動作反饋給游戲環境,將當前觀測值、動作、獎勵以及下一時刻觀測值存入經驗池中;(4)計算局部Q值函數和全局Q值函數,并對Critic網絡進行參數更新;(5)計算每個智能體在當前觀測值下采取當前動作所產生的優勢函數,對Actor網絡進行參數更新;(6)Critic網絡和Actor網絡的參數更新完畢后,利用訓練完成的智能體在游戲環境中執行動作。本發明的方法在復雜的異構部分可觀測場景中,性能效果更好且收斂速度更快。
聲明:
“基于值分解和注意力機制的多智能體強化學習方法” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)