基于异环境重要性采样的增强DDRQN网络

• 作者: 刘源源 张森 普杰信 樊龙涛
• 来源期刊: 火力与指挥控制
• 学科: 工学
• 关键词: 多智能体 强化学习 局部可观测 经验回放机制 重要性采样
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 理论研究
• 页码范围: 47-52
• 页数: 6页
• 分类号: TP18
• 字数: 5063字
• 语种: 中文
• DOI: 10.3969/j.issn.1002-0640.2020.01.010

摘要

针对局部可观测多智能体学习环境下,智能体与环境频繁交互造成环境不稳定,导致智能体无法使用经验回放机制(experience replay)的问题,采用了一种基于异环境重要性采样的回放经验利用机制.并结合该机制再深度强化学习算法,深度分布式循环Q网络(DDRQN)基础上进行了改进,提出一种增强型的深度分布式循环Q网络.通过对DeepMind的PySC2平台DefeatRoaches局部可观测多智能体学习环境实验结果对比分析表明,增强型的深度分布式循环Q网络相比于DDRQN网络,具有良好的学习性能,稳定性、收敛速度均具有显著提升.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	普杰信	河南科技大学信息工程学院	106	703	15.0	20.0
2	张森	河南科技大学信息工程学院	24	50	3.0	6.0
3	樊龙涛	河南科技大学信息工程学院	1	0	0.0	0.0
4	刘源源	河南科技大学信息工程学院	1	0	0.0	0.0