本發(fā)明屬于智能體深度強化學習的測試領(lǐng)域,為多智能體協(xié)作環(huán)境強化學習算法的測試方法。所述多智能體協(xié)作環(huán)境深度強化學習算法中的智能體為兩大類,一類是空間動作相對固定化的智能體,一類是動作和狀態(tài)空間復雜的智能體,第一類智能體采用求最大置信回報值的算法(UCB算法),第二類智能體采用求取最優(yōu)聯(lián)合動作和狀態(tài)的全局函數(shù)(QMIX算法)。本發(fā)明針對兩種算法的特點,分析多智能體訓練模型輸出的回報值和收益值,得收斂速度和效果的影響因子,通過分析影響因子得出測試多智能體協(xié)作環(huán)境出算法深度強化學習的測試技術(shù)要點,為多智能體協(xié)作環(huán)境下深度學習算法的驗證提供了有效依據(jù)。
聲明:
“多智能體協(xié)作環(huán)境強化學習算法的測試方法” 該技術(shù)專利(論文)所有權(quán)利歸屬于技術(shù)(論文)所有人。僅供學習研究,如用于商業(yè)用途,請聯(lián)系該技術(shù)所有人。
我是此專利(論文)的發(fā)明人(作者)