控制与决策

作者：陈亮,郭婷,刘韵婷,杨佳明

单位：沈阳理工大学 自动化与电气工程学院,沈阳 110159,,沈阳理工大学 自动化与电气工程学院,沈阳 110159,,沈阳理工大学 自动化与电气工程学院,沈阳 110159,,沈阳理工大学 自动化与电气工程学院,沈阳 110159,

关键词：强化学习;多智能体决策;信息过滤;集中训练分散执行

多智能体系统在进行协作或竞争时,会面临联合信息空间扩大、智能体间信息提取效率降低的问题.对此,采用增加过滤机制来筛选信息的多智能体强化学习策略方法(FMAC),以增强智能体间信息交流能力.该方法通过找到彼此相关联的智能体,根据相关性计算智能体的信息贡献,过滤掉无关智能体信息,从而实现在合作、竞争或者混合环境下智能体间有效的沟通.与此同时,采用集中训练分散执行的方式解决环境的非平稳性问题.通过对比算法进行实验,结果表明改进算法提高了策略迭代效率以及泛化能力,并且智能体数量增多时仍可保持稳定的效果,有助于将多智能体强化学习应用到更广泛的领域.

来源：2022年第6期

《控制与决策》期刊编辑部

查看控制与决策杂志2022年第6期