典型文献
多智能体深度强化学习及其可扩展性与可迁移性研究综述
文献摘要：
得益于深度学习强大的特征表达能力和强化学习有效的策略学习能力,深度强化学习在一系列复杂序贯决策问题中取得了令人瞩目的成就.伴随着深度强化学习在诸多单智能体任务中的成功应用,其在多智能体系统中的研究方兴未艾.近年来,多智能体深度强化学习在人工智能领域备受关注,可扩展与可迁移性已成为其中的核心研究点之一.鉴于此,首先阐释深度强化学习的发展脉络和典型算法,介绍多智能体深度强化学习的3种学习范式,分析两类多智能体强化学习的典型算法,即分解值函数方法和中心化值函数方法;然后归纳注意力机制、图神经网络等6类具有可扩展性的多智能体深度强化学习模型,梳理迁移学习和课程学习在多智能体深度强化学习可迁移性方向的研究进展;最后讨论多智能体深度强化学习的应用前景与研究方向,为未来多智能体深度强化学习的进一步发展提供可借鉴的参考.
文献关键词：
深度强化学习;多智能体系统;迁移学习;课程学习;可扩展性;可迁移性
中图分类号：
作者姓名：
闫超;相晓嘉;徐昕;王菖;周晗;沈林成
作者机构：
国防科技大学智能科学学院,长沙410073
文献出处：
引用格式：
[1]闫超;相晓嘉;徐昕;王菖;周晗;沈林成-.多智能体深度强化学习及其可扩展性与可迁移性研究综述)[J].控制与决策,2022(12):3083-3102
A类：
B类：
多智能体深度强化学习,可扩展性,可迁移性,特征表达,表达能力,策略学习,序贯决策,决策问题,令人瞩目,成功应用,多智能体系统,方兴未艾,人工智能领域,学习范式,多智能体强化学习,值函数,注意力机制,图神经网络,迁移学习,课程学习
AB值：
0.159391
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
