我正在研究一个项目，我需要在多代理场景中的连续空间中找到从 1 点到另一个点的最佳优化路径。我正在使用强化学习寻找适合这个问题的最佳算法。我已经尝试过“混合合作竞争环境的多智能体演员评论家”，但它似乎没有达到 10000 个 epesidoes 的目标。我该如何改进这个算法，或者有没有其他算法可以帮助我解决这个问题。
问问题
272 次
1 回答
0
多智能体强化学习很难掌握，并且尚未证明对一般情况有效。
问题在于，在多智能体中，从每个个体智能体的角度来看，环境变得不稳定。这意味着一个代理动作不能直接映射到状态，因为其他代理分别执行操作，这会“混淆”所有代理。这里有深入的多智能体研究合集：https ://github.com/LantaoYu/MARL-Papers
如果您希望采用您提到的 actor-critic 方法，我建议您进一步研究：https ://arxiv.org/pdf/1706.02275.pdf如果您想完善Multi-Agent Actor Critic (MADDPG)
于 2019-06-26T05:28:26.720 回答