本发明公开了一种基于值分布的多智能体强化学习方法及系统,能够在训练过程中能够很好地捕获长期回报中存在的随机性,精准地预测真实的价值函数分布,解决了由于环境随机性过大而训练不平稳的问题,使得策略收敛更快,模型性能得到有效提升。此外,根据定义的离散分布的变换操作,该方法可以与所有基于集中式训练分散式执行范式的方法相结合。
声明:
“基于值分布的多智能体强化学习方法及系统” 该技术专利(论文)所有权利归属于技术(论文)所有人。仅供学习研究,如用于商业用途,请联系该技术所有人。
我是此专利(论文)的发明人(作者)