本發(fā)明公開了一種基于值分布的多智能體強(qiáng)化學(xué)習(xí)方法及系統(tǒng),能夠在訓(xùn)練過程中能夠很好地捕獲長期回報(bào)中存在的隨機(jī)性,精準(zhǔn)地預(yù)測真實(shí)的價(jià)值函數(shù)分布,解決了由于環(huán)境隨機(jī)性過大而訓(xùn)練不平穩(wěn)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(jù)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(xùn)練分散式執(zhí)行范式的方法相結(jié)合。
聲明:
“基于值分布的多智能體強(qiáng)化學(xué)習(xí)方法及系統(tǒng)” 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(xué)習(xí)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)