本發明公開了一種基于值分布的多智能體強化學習方法及系統,能夠在訓練過程中能夠很好地捕獲長期回報中存在的隨機性,精準地預測真實的價值函數分布,解決了由于環境隨機性過大而訓練不平穩的問題,使得策略收斂更快,模型性能得到有效提升。此外,根據定義的離散分布的變換操作,該方法可以與所有基于集中式訓練分散式執行范式的方法相結合。
聲明:
“基于值分布的多智能體強化學習方法及系統” 該技術專利(論文)所有權利歸屬于技術(論文)所有人。僅供學習研究,如用于商業用途,請聯系該技術所有人。
我是此專利(論文)的發明人(作者)