针对双人博弈问题，在学习Q-learning算法的基础上，利用神经网络参数逼近的方式更新状态值函数，选取自适应梯度优化算法进行参数更新，并通过纳什均衡思想调节两个智能体的行为。同时为提高模型的保护效果，对结果添加差分隐私保护，保证智能体博弈过程中数据的安全性。最后，实验结果验证了算法的可用性，其能够训练两个智能体在多回合之后稳定抵达各自目标点。
科研之友
微信
新浪微博
Facebook
分享链接
