基于合作式强化学习与迁移学习的多智能体对抗决策方法

摘要

本发明提出一种基于合作式强化学习与迁移学习的多智能体对抗决策方法，其特征在于，包括如下步骤：定义智能体的状态空间S＝{s1,s2,...,sn}；设定其动作空间Α＝{a1,a2,...,an}；设定智能体强化学习模型的值函数矩阵；使用动作评估器计算当前状态st对应的值函数序列通过基于模拟退火与softmax策略的动作选择器选择相应的动作at；同时，智能体的状态发生变化，转移到下一状态st+1。在执行动作at后，智能体从环境中获得奖励信号rt；通过权重共享的方式可以降低经验存储的损耗，提高对抗决策效率。通过基于衰减函数的迁移学习方法使得智能体以逐渐递减的概率复用先前经验，迁移学习将先前训练得到的动作评估器权重迁移到更多的对抗决策场景，提高了学习模型的泛化性。