科研之友
微信
新浪微博
Facebook
分享链接
摘要
博弈训练是多智能体强化学习的一种训练方式，是当前多智能体强化学习研究的新兴领域。它采用基于自我博弈的基本方式对智能体进行训练，即在对抗性环境中，通过采取不同的对手抽样方式，智能体与自身及自身历史版本进行对抗，从而获得经验，使智能体在自我对战中不断成长，已在围棋、扑克、即时战略游戏等多种典型对抗性场景中获得了较好运用。首先，对多智能体强化学习博弈训练的基本理论进行简要的概念介绍，回顾了博弈求解方式的发展历程；然后，根据基础原理的不同，将博弈训练方式分为基于自我博弈的训练和基于博弈论的训练，并按分类重点介绍了经典自我博弈训练、成长式自我博弈训练、种群训练、联盟训练和策略空间响应预言机等现有典型算法，列举了实际应用；随后，对目前博弈训练方式存在的关键问题与挑战进行了阐述，简要介绍当前的典型测试框架及平台；最后，对博弈训练方式的发展前景进行了展望。
-
单位中国人民解放军陆军工程大学
