【标题】DDA3C: Cooperative Distributed Deep Reinforcement Learning in A Group-Agent System

【作者团队】Kaiyue Wu, Xiao-Jun Zeng

【发表日期】2022.2.10

【论文链接】https://arxiv.org/pdf/2202.05135.pdf

【推荐理由】如果多个智能体协同执行各自的强化学习任务，则可极大地改善每个智能体的强化学习过程。这些任务可能并不完全相同，但由于任务的相似性，它们仍然受益于代理之间的通信行为。事实上，这个学习场景还没有被很好地理解和制定。作为第一项工作，本文通过对该场景进行详细的讨论，并提出了群体agent强化学习作为该场景下强化学习问题的表述，以及关于单agent和多agent强化学习的第三类强化学习问题。本文提出借助现代深度强化学习技术可以解决此问题，并提供了分布式深度强化学习算法DDA3C（Discentralised distributed Asynchronous Advantage Actor Critic，去中心化分布式异步优势演员-评论家），其为第一个为群代理强化学习设计的框架。并在CartPole-v0游戏环境中的实验表明DDA3C 取得了理想的性能并具有良好的可扩展性。

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