.png){kind=icon}
返回
Multi-agent contrastive exploration via value decomposition discrepancy
.png){kind=icon}
PRE
AI
DOI：10.1016/j.neunet.2026.108929.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
值分解作为多智能体强化学习（MARL）中的一种因式分解方法，在许多有效的基于值的算法发展中产生了重要影响。关于值分解的现有研究若侧重表示能力，往往面临低样本效率问题，而其他因式分解方法也可能表示能力有限，这仍可能阻碍协作者发现最优联合动作。为通过无限联合状态-值函数增强智能体的探索，我们提出一种多智能体对比探索方法（MACE），利用值分解差异和对比原理。MACE基于不同值分解估计之间的差异确定更新权重，并将此差异作为更新过程中的内在目标。此外，MACE受此差异启发设计了探索偏好网络，在交互中明确调整智能体的探索偏好。通过矩阵博弈和星际争霸多智能体挑战中不同类型和难度的实验，我们证明MACE不仅在学习速度和最终性能上显著优于基线，而且有效维持了更高的表达力，代表了一种整合现有算法优势的创新解决方案。
Keyword:
Multi-Agent Reinforcement Learning
Value Decomposition
Contrastive Exploration
Joint Action
Sample Efficiency
期刊
IF:
6.3
论文数:
7.8K
被引数:
3.0W
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
Game of Drones: Multi-UAV Pursuit-Evasion Game With Online Motion Planning by Deep Reinforcement Learning无人机游戏: 通过深度强化学习进行在线运动规划的多无人机追逃游戏
PREAI
分享收藏Multi-agent reinforcement learning for cooperative lane changing of connected and autonomous vehicles in mixed traffic混合交通下互联自主车辆协同换道的多智能体强化学习
OAAI
OAAI分享收藏分享收藏QDAP: Downsizing adaptive policy for cooperative multi-agent reinforcement learningQDAP: 协作多智能体强化学习的精简自适应策略
PREAI
分享收藏
查看更多内容