一种多代理强化学习合作任务下的奖励函数建模方法

摘要

本发明公开了一种多代理强化学习合作任务下的奖励函数建模方法，包括：每个代理独立观测环境状态，输入各自的策略网络，得到各自的动作决策；在模拟环境执行各代理的动作，得到每个代理各自的奖励；将各代理之间的交互建模为一张无向图，使用此图计算出每个代理的奖励的加权总和；使用加权后的奖励训练代理的策略网络。该方法能够对多个代理与环境交互后的结果进行整合，同时建模出的无向图能够起到可信度赋值的效果，给训练算法提供更加精准的奖励描述，帮助多代理系统在合作任务上学习到更好的策略。