基于散度的多智能体合作学习方法、装置、设备及介质

摘要

本发明公开了一种基于散度的多智能体合作学习方法、装置、设备及存储介质，所述方法包括：初始化值网络、策略网络以及目标策略网络；根据预设的基于散度的正则项改变值网络、策略网络、目标策略网络的更新方式，得到最新更新方式；多个智能体根据所述值网络、策略网络以及目标策略网络进行训练，得到经验数据，并根据所述经验数据以及所述最新更新方式，更新值网络、策略网络以及目标策略网络；多个智能体从环境中获取观察数据，并结合经验数据以及更新后的策略网络进行决策，得到行动数据。本公开实施例提供的多智能体合作学习方法，利用基于散度的正则项增强了智能体的探索能力，解决了多智能体的合作问题。