.png){kind=icon}
返回
MAD3PG: A Framework for Multi-Agent Deep Denoising Diffusion Policy Gradient Optimization
.png){kind=icon}
PRE
AI
DOI：10.1016/j.inffus.2025.104026.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 提出 MAD3PG，首个利用去噪扩散模型进行多智能体价值分布估计的框架，并提供相应的理论分析。
• 引入一种 K 重采样策略，结合时序差分目标，以实现在线强化学习中扩散模型的高效训练。
• 通过在 MPE 和 MuJoCo 环境中的大量实验，展示了相较于 MADDPG 型算法的优越鲁棒性和效率。
期刊
IF:
15.5
论文数:
4.2K
被引数:
2.7W
机构
引用论文
Causal inference multi-agent reinforcement learning for traffic signal control交通信号控制的因果推理多智能体强化学习.png)
INFORMATION FUSION
INFORMATION FUSIONIF15.5
PREAI
分享收藏Multiagent Reinforcement Learning With Heterogeneous Graph Attention Network基于异构图注意力网络的多智能体强化学习
PREAI
分享收藏Multi-agent reinforcement learning framework based on information fusion biometric ticketing data in different public transport modesINFORMATION FUSION
OAAI
INFORMATION FUSIONIF15.5
OAAI分享收藏Diffusion policies for out-of-distribution generalization in offline reinforcement learning. IEEE Robotics Automation Lett. 9, 3116–3123离线强化学习中的扩散策略：对分布外泛化的研究。IEEE 机器人与自动化快报。9, 3116–3123
IF0
PREAI
分享收藏Greedy deep stochastic configuration networks ensemble with boosting negative correlation learning贪婪深度随机配置网络集成与提升负相关学习
PREAI
分享收藏A TD3-based multi-agent deep reinforcement learning method in mixed cooperation-competition environmentNEUROCOMPUTING
NEUROCOMPUTINGIF6.5
PREAI
分享收藏
查看更多内容