daluoling的博客

一种基于分布式强化学习的多智能体协调方法，通过协商协调合作完成复杂的控制任务。

强化学习是一种重要的机器学习方法，随着计算机网络和分布式处理技术的飞速发展，多智能体系统中的分布 式强化学习方法正受到越来越多的关注。论文将目前已有的各种分布式强化学习方法总结为中央强化学习、独立强化 学习、群体强化学习、社会强化学习四类，然后探讨了这四类分布式强化学习方法的体系结构框架，并给出了这四类分布 式强化学习方法的形式化定义。

多智能体系统中的分布式强化学习研究现状，分析比较优劣，探讨未来发展。

在多机器人系统中,评价一个机器人行为的好坏常常依赖于其它机器人的行为,此时必须采用组合动 作以实现多机器人的协作,但采用组合动作的强化学习算法由于学习空间异常庞大而收敛得极慢.本文提出的新方 法通过预测各机器人执行动作的概率来降低学习空间的维数,并应用于多机器人协作任务之中.实验结果表明,基 于预测的加速强化学习算法可以比原始算法更快地获得多机器人的协作策略.