1、基于馬爾科夫過程的強(qiáng)化學(xué)習(xí)作為一種在線學(xué)習(xí)方式,能夠很好地應(yīng)用于單智能體環(huán)境中.由于強(qiáng)化學(xué)習(xí)理論的限制,在多智能體系統(tǒng)中馬爾科夫過程模型不再適用,因此不能把強(qiáng)化學(xué)習(xí)直接用于多智能體的協(xié)作學(xué)習(xí)問題.該文提出了多智能體協(xié)作的分布式兩層強(qiáng)化學(xué)習(xí)方法.該方法主要通過在單個智能體中構(gòu)筑兩層強(qiáng)化學(xué)習(xí)單元來實(shí)現(xiàn),第一層強(qiáng)化學(xué)習(xí)單元負(fù)責(zé)學(xué)習(xí)智能體的聯(lián)合任務(wù)協(xié)作策略,第二層強(qiáng)化學(xué)習(xí)單元負(fù)責(zé)學(xué)習(xí)在該智能體看來是最有效的行動策略.最后用3個智能體協(xié)作抬起圓形

2、物體的實(shí)驗(yàn)來驗(yàn)證該方法,實(shí)驗(yàn)結(jié)果表明所提出方法比集中式強(qiáng)化學(xué)習(xí)方法更好.在基于強(qiáng)化學(xué)習(xí)的多智能體環(huán)境下,評價一個智能體行為的效果和其他智能體的行為是密切相關(guān)的,如果每個智能體都能夠通過預(yù)測其他智能體的行為再來采取自己的行為,則必將大大促進(jìn)整個系統(tǒng)的協(xié)作.在傳統(tǒng)強(qiáng)化學(xué)習(xí)方式中引入組合動作的基礎(chǔ)上,該文提出了一種基于行為預(yù)測的多智能體強(qiáng)化學(xué)習(xí)方法,研究了對其他智能體行為進(jìn)行預(yù)測的幾種可行方法.實(shí)驗(yàn)結(jié)果表明,引入組合動作的傳統(tǒng)強(qiáng)化學(xué)習(xí)方法是收