公开(公告)号：CN113902087A

公开(公告)日：2022-01-07

申请号：CN202111240522.5

申请日：2021-10-25

Applicant: 吉林建筑大学

Inventor： 王旭 ,  张宇 ,  郭秀娟 ,  徐勇 ,  尤天舒 ,  富倩 ,  孙伟 ,  刘钢 ,  戴传祗 ,  吴程巍

IPC: G06N3/00 ,  G06N3/04 ,  G06N3/08 ,  G06N20/00

Abstract: 本发明公开了一种多Agent深度强化学习算法，包括：S1：学习的策略在执行时只使用本地信息，即它们自己的观察结果；S2：智能体之间的通信方法不做任何结构上的假设，即不假设一个可区分的通信渠道；S3：leader层网络只输入全局智能体的状态信息，只作用于每个智能体的输出动作值，并不参与每个智能体的策略执行，既保持每个智能体的独立性，又保证所有智能体群体之间的通信。本发明通过在分布式执行之前加入集中式预判分配权重，增强了智能体群体之间的决策通信，提高了Leader_MADDPG在多变的环境关系中智能体训练过程中的稳定性和训练后的鲁棒性。

公开(公告)号：CN115392438B

公开(公告)日：2023-07-07

申请号：CN202211114004.3

申请日：2022-09-14

Applicant: 吉林建筑大学

Inventor： 王旭 ,  周诗佳 ,  张宇 ,  尤天舒 ,  徐勇 ,  富倩 ,  孙伟 ,  李力东 ,  杜丽英 ,  戴传祗

IPC: G06N3/04 ,  G06N3/08 ,  G06N20/00 ,  G06Q10/04

Abstract: 本申请提供一种基于多Agent环境的深度强化学习算法、设备和存储介质，涉及深度强化学习算法技术领域；通过步骤S101、利用Agent中的目标网络，基于初始状态信息和动作信息，确定时间差分；步骤S102、根据预设的遮盖率，对初始状态信息进行随机遮盖，得到目标状态信息，利用Agent中的预测网络，以及时间差分，确定误差值；步骤S103：基于误差值，以及自适应修改参数，对Agent中的预测网络和目标网络各自对应的加权值进行更新；步骤S104：重复步骤S102和步骤S103预设次数，确定目标加权值，从而确定目标深度强化学习模型。具有保证了样本学习效率，并通过自适应修改参数对深度强化学习模型中的Agent进行迭代更新，以提高收敛速度的效果。

公开(公告)号：CN115392438A

公开(公告)日：2022-11-25

申请号：CN202211114004.3

申请日：2022-09-14

Applicant: 吉林建筑大学

Inventor： 王旭 ,  周诗佳 ,  张宇 ,  尤天舒 ,  徐勇 ,  富倩 ,  孙伟 ,  李力东 ,  杜丽英 ,  戴传祗

IPC: G06N3/04 ,  G06N3/08 ,  G06N20/00 ,  G06Q10/04

Abstract: 本申请提供一种基于多Agent环境的深度强化学习算法、设备和存储介质，涉及深度强化学习算法技术领域；通过步骤S101、利用Agent中的目标网络，基于初始状态信息和动作信息，确定时间差分；步骤S102、根据预设的遮盖率，对初始状态信息进行随机遮盖，得到目标状态信息，利用Agent中的预测网络，以及时间差分，确定误差值；步骤S103：基于误差值，以及自适应修改参数，对Agent中的预测网络和目标网络各自对应的加权值进行更新；步骤S104：重复步骤S102和步骤S103预设次数，确定目标加权值，从而确定目标深度强化学习模型。具有保证了样本学习效率，并通过自适应修改参数对深度强化学习模型中的Agent进行迭代更新，以提高收敛速度的效果。