行为正则化与顺序策略优化结合的离线多智能体学习算法

文章预览

总第609 篇 |  2024年第006篇 离线多智能体强化学习（ MARL ）是一个新兴领域，目标是在从预先收集的数据集中学习最佳的多智能体策略。随着人工智能技术的发展，多智能体系统在诸如自动驾驶、智能家居、机器人协作以及智能调度决策等方面展现了巨大的应用潜力。但现有的离线MARL方法也面临很多挑战，仍存在不协调行为和分布外联合动作的问题。为了应对这些挑战，中山大学计算机学院、美团履约平台技术部开展了学术合作项目，并取得了一些的成果，希望分享给大家。 合作型马尔可夫博弈 定义与基本概念 IGM原则与值分解 离线MARL中的行为正则化马尔可夫博弈 样本内顺序策略优化 样本内顺序策略优化的数学推导 最大熵行为正则化马尔可夫博弈 算法细节 策略评估 策略改进 实际应用及实现细节 实验验证 桥博弈的实验结果 星际争霸II微操作 ………………………………