【标题】Value Function Factorisation with Hypergraph Convolution for Cooperative Multi-agent Reinforcement Learning（基于超图卷积值函数分解的多智能体协同强化学习）

【作者团队】Yunpeng Bai, Chen Gong, Bin Zhang, Guoliang Fan, Xinwen Hou。 Chinese Academy of Science

【发表日期】 9 December, 2021

【论文链接】https://arxiv.org/pdf/2112.06771.pdf

【推荐理由】近年来，多agent系统（MAS）中agent之间的协作已成为研究的热点，许多基于集中训练和分散执行（CTDE）的算法如VDN和QMIX也被提出。但是，这些方法忽略了隐藏在单个动作值中的信息。在本文中，文章提出了超图卷积混合（HGCN-MIX），一种结合超图卷积和值分解的方法。通过将动作值视为信号，HGCN-MIX旨在通过自学习超图探索这些信号之间的关系。实验结果表明，HGCN-MIX在各种情况下，尤其是在具有多个代理的情况下，与星际争霸II多代理挑战（SMAC）基准中的最新技术相匹配或超过。

内容中包含的图片若涉及版权问题，请及时与我们联系删除