申请/专利权人：西北工业大学;西北工业大学深圳研究院

申请日：2024-01-09

公开（公告）日：2024-04-05

公开（公告）号：CN117828477A

主分类号：G06F18/2415

分类号：G06F18/2415;G06F18/22;G06N3/092

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明公开了一种基于技能发现与分配的多智能体强化学习方法及装置，涉及多智能体强化学习领域。能够解决现有技术中因参数共享导致智能体之间的行为同质化的问题，增强智能体行为的多样性，从而更好的适应需要复杂协调的任务场景，该方法包括：根据参数化的神经网络和每个智能体的观测潜变量得到技能集合包括的每个技能的技能概率；根据下一个时间段智能体待执行的技能、当前时间段智能体的观测潜变量和当前时间段智能体的技能策略得到当前时间段智能体的总价值函数；根据当前时间段智能体的内在奖励、当前时间段智能体的总价值函数、下一个时间段智能体的总价值函数得到智能体的损失函数。

主权项：1.一种基于技能发现与分配的多智能体强化学习方法，其特征在于，包括：根据当前时间段智能体的动作、智能体的观测信息、智能体的技能向量、上一个时间段智能体的观测信息和上一个时间段智能体的动作得到当前时间段智能体的内在奖励；通过门控循环单元和两层全连接神经网络将当前时间段智能体的观测信息转换为表示智能体的行为模式的当前时间段智能体的观测潜变量，根据参数化的神经网络和每个所述智能体的观测潜变量得到技能集合包括的每个技能的技能概率；根据GumbelSoftmax和技能概率确定下一个时间段智能体待执行的技能；根据下一个时间段智能体待执行的技能、当前时间段智能体的观测潜变量和当前时间段智能体的技能策略得到当前时间段智能体的总价值函数；根据当前时间段智能体的内在奖励、当前时间段智能体的总价值函数、下一个时间段智能体的总价值函数得到智能体的损失函数。

全文数据：

权利要求：

百度查询： 西北工业大学;西北工业大学深圳研究院 一种基于技能发现与分配的多智能体强化学习方法及装置

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD