利用乐观映射提升值分解多智能体强化学习算法性能的方法

摘要

本发明提出了利用乐观映射提升值分解多智能体强化学习算法性能的方法，属于人工智能领域。针对现有技术中会出现的过度泛化等问题，本发明在现有值分解多智能体强化学习算法的基础上，引入了基于乐观映射的独立学习方法，并分别利用这两种学习方法对智能体的局部动作值函数进行相应地学习，融合这两种学习方式学到的局部动作值函数，进而得到智能体决策时所使用的策略，能够在一定程度上缓解值分解算法中智能体分布式决策时可能产生的相对过度泛化问题，促进多个智能体之间的相互协作，并提升值分解多智能体强化学习算法的性能。