一种基于λ-回报的异策略多智能体强化学习协作方法

摘要

本发明公开了一种基于λ‑回报的异策略多智能体强化学习协作方法，使用与Sarsa算法类似的更新规则来避免传统的基于值分解方法在训练阶段所依赖的中心化贪心假设，通过使用λ‑回报来计算损失函数以平衡值函数估计的偏差和方差，并使用经验回放机制来降低算法的样本复杂度。本发明在非马尔可夫环境中较好的实现多个智能体的协作任务，为本领域的技术进步拓展了空间，实施效果好。