基于强化学习的多智能体连续空间路径搜索的最佳算法

Question

我正在进行一个项目，在这个项目中，我需要在多agent场景中从1点到另一点在连续空间找到最佳的优化路径。我正在寻找适合这个问题的最佳算法，使用强化学习。我尝试过“多代理演员-评论家的混合合作竞争环境”，但它似乎没有达到目标，在10000个人。我如何改进这个算法，或者有没有其他的算法可以帮助我做到这一点。

Answer 1

多agent强化学习很难掌握，在一般情况下还没有被证明是有效的。

问题在于，在多agent中，从每个个体agent的角度来看，环境变得非平稳。这意味着代理操作不能直接映射到状态，因为其他代理单独执行操作，这“混淆”了所有代理。这里有一个深入的多智能体研究的集合：https://github.com/LantaoYu/MARL-Papers。

如果你想追求你所提到的演员批评方法，我建议你进一步研究:如果你想完善https://arxiv.org/pdf/1706.02275.pdf，多代理演员评论家 (MADDPG)