科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对在复杂军事化背景下多智能体决策算法探索效率低下、收敛缓慢的问题，提出了基于多头注意力机制和优先经验回放的多智能体深度确定性策略梯度算法（AP-MADDPG）。算法采用基于优先级的经验回放减少算法的训练时间；采用多头注意力机制在复杂的对抗环境中实现智能体之间的稳定、高效的合作竞争。实验结果表明，该算法可以使多智能体更加有效地学习联合策略，拥有更快的收敛速度和更好的稳定性，同时可以获得更高的回合奖励。
-
单位工业和信息化部; 哈尔滨工程大学
