一种提高MADDPG算法收敛速度的方法及其应用

摘要

本发明公开了一种提高MADDPG算法收敛速度的方法及其应用，获取多智能体环境；依据多智能体环境加载MADDPG算法训练框架；依据MADDPG算法训练框架获取训练参数，将训练参数输入到引入距离参数奖励机制的奖励函数中，进行网络更新，保存训练结果。优点：本发明在引入person‑distance个体‑距离奖励机制后，由于距离参数的加入，使得贝尔曼方程每次更新时，单个智能体采取动作后得到的奖励值变化明显，这奖励值因为捕食者和逃逸者之间的距离不断变化而变化，Critic网络在策略更新时能更好的识别出不同动作值之间奖励值的差异，有效的解决了延迟奖励问。