Lyr_66的博客

原创 多智能体强化学习的基础和应用

在马尔可夫博弈中，所有智能体根据当前的环境状态（或者观测值）来同时选择并执行各自的动作，该各自动作带来的联合动作影响了环境状态到的转移和更新，并决定了智能体获得的奖励与反馈，可通过元组（S,A1,...An,T,R1,...Rn)来表示，其中S表示状态集合，Ai和Ri分别表示智能体i的动作集合和奖励集合，T表示环境状态转移概率，表示损失因子。2、智能体获取信息的局限性：不一定能够获得全局的信息，仅能获取局部的观测信息，但无法得知其他智能体的观测信息、动作和奖励等信息；也可能是各自局部回报的最优；