用于多智能体强化学习的深层网络 Q 向量方案
人工智能
2024-06-13 v1 多智能体系统
摘要
多智能体强化学习（Multi-agent reinforcement learning, MARL）因其能够促进复杂环境中的学习而成为重要的研究主题。在多智能体任务中，状态-动作价值（通常称为 Q 值）因各智能体的独立奖励而有所不同，导致形成 Q 向量。确定最优政策具有挑战性，因为这不仅仅涉及最大化单个 Q 值。诸如纳什均衡等多种最优政策已在此背景下受到研究。诸如纳什 Q 学习和纳什演员-评论家等算法在这些场景中表现出色。本文通过提出一种基于深层 Q 网络（DQN）的算法，能够学习各种 Q 向量，采用 Max、纳什和 Maximin 策略。在双臂机器人协作提举锅子环境中，证明了该方法的有效性。
引用
@article{arxiv.2406.07848,
title = {Multi-agent Reinforcement Learning with Deep Networks for Diverse Q-Vectors},
author = {Zhenglong Luo and Zhiyong Chen and James Welsh},
journal= {arXiv preprint arXiv:2406.07848},
year = {2024}
}