本發明屬于學習算法領域,具體涉及一種基于反事實回報的多智能體深度強化學習方法、系統,旨在為了解決解決多智能體信譽分配問題。本發明方法包括:基于多智能體的運行環境,定義全局狀態;基于局部觀測量,通過預設的Q網絡模型,獲取各智能體對應的執行動作;獲取各智能體對應的經驗數據對,并增入經驗池;從經驗回放池中隨機獲取訓練樣本,訓練并更新Q網絡模型的權重;每隔設定的步長,將基于Q網絡模型的權重更新目標Q網絡模型;重復上述Q網絡模型權重優化步驟,直至達到訓練結束條件,獲取最后一次權重更新的Q網絡模型。本發明實現了完全合作多智能體間的信譽分配,進而實現了多智能體的協同決策,而且收斂快,效率高。
聲明:
“基于反事實回報的多智能體深度強化學習方法、系統” 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)