论文阅读——MO-MIX：基于深度强化学习的多目标多智能体协作决策(IF=20.8)

原文连接：

MO-MIX: Multi-Objective Multi-Agent Cooperative Decision-Making With Deep Reinforcement Learning | IEEE Journals & Magazine | IEEE Xplore

---

目录

贡献

Pareto集

MO-MIX

条件代理网络（CAN）

GRU

MLP

多目标混合网络（MOMN）

QMIX

探索引导方法

算法框架

评价方法

实验结果

1.与baseline对比

2.不同偏好采样间隔

3.与无探测引导部分的MO-MIX对比

---

贡献

1.提出了一种新的多目标多智能体协同决策方法MO-MIX，该方法能够根据输入偏好生成多种策略，并最终得到稠密且高质量的Pareto集近似。

2.提出了一种探索引导方法。在训练过程中引导算法的探索方向，改善了最终Pareto集逼近的一致性。

Pareto集

Pareto frontier-CSDN博客

MO-MIX

条件代理网络（CAN）

CAN是CTDE框架的分散执行部分。

目的：估计行动价值向量函数Q，其中包括所有目标的价值函数。

CAN由几个多层感知器（MLP）层和一个门递归单元（GRU）层组成。

---

GRU

参考

【深度学习 搞笑教程】30 门控神经单元GRU | 草履虫都能听懂 零基础入门 | 持续更新_哔哩哔哩_bilibili

GRU是一种能够更好地处理序列信息的递归神经网络。GRU的输出不仅与当前时间步的输入有关，而且与历史输入有关。因此，CAN可以利用Agent的整个观察和动作历史，从而弥补局部观察的不足。

---

MLP

参考