公开(公告)号：CN119990245A

公开(公告)日：2025-05-13

申请号：CN202510144491.5

申请日：2025-02-10

Applicant: 电子科技大学

Inventor： 王思颖 ,  邵晋梁 ,  杜鸿飞 ,  程玉华 ,  赵万兵 ,  张蕴霖 ,  李彤

IPC: G06N3/092 ,  G06N3/0442 ,  G06N3/045

Abstract: 本发明公开了一种基于价值分解差异的多智能体对比探索方法，该方法利用价值分解的差异和对比原则，根据不同的价值分解估计之间的差异确定更新权重，设置更新权重并将这种差异作为更新过程中的内在目标。MACE架构包含两个值函数估计器，每个值函数估计器都负责估计两种VD方法对应的联合状态动作值函数Qjt和Qtot，利用Qjt和Qtot之间的差异来创建一个隐式奖励函数和加权机制来指导探索，用于更新两个内部函数估计器。这种方法确保了Q值较高的动作优先进行采样，而Q值较小的动作仍然有机会进行采样，增强了探索行为，不仅在学习速度和最终性能上明显优于基线，而且有效保持了完整的表示能力。