AAAI 2024 | 基于新颖性指导的数据重用：高效且多样化的多智能体强化学习

论文信息

题目：Novelty-Guided Data Reuse for Efficient and Diversified Multi-Agent Reinforcement Learning

基于新颖性指导的数据重用：高效且多样化的多智能体强化学习

Yangkun Chen, Kai Yang, Jian Tao, Jiafei Lyu

论文创新点

1. 新颖性指导的样本重用机制：论文提出了一种基于**随机网络蒸馏（RND）**的新颖性评估方法，用于动态调整多智能体强化学习（MARL）中的策略更新频率。
2. 差异化更新策略：论文通过控制每个智能体的更新频率，实现了智能体之间的行为多样化。新颖性高的状态触发更频繁的更新，而常见状态则减少更新次数。
3. 分离的评论网络结构：为了在保持参数共享的同时实现智能体的多样化，论文提出了一