文档摘要

3.2 多智能体强化学习 本节摘要：多智能体强化学习（MARL）让一群智能体在交互中边做边学，从经验里演化出协同策略。它和单智能体强化学习的本质区别在于环境内生非平稳性——每个智能体的"环境"恰恰是其他正在学习变化智能体，导致经典 RL 的收敛性证明失效。本节讲清这个本质区别、以随机博弈为形式化基础、三大训练范式（中心化训练去中心化执行 CTDE、完全去中心化、分层角色化），以及信用分配、策略空间爆炸、学习者困境三大技术挑战。 会员。《3.2 多智能体强化学习》收录于灏天文库文集《多智能体系统 (MAS)》，原作者/来源：灏天文库，整理自「灏天文库」，提供技术教程、实践指南与问题解决方案，支持在线阅读、全文检索与知识沉淀，助力开发者系统化学习。本站整理收录，版权归原作者/开源协议所有。

该文档为会员专享，请先登录或注册后再查看

登录 注册

---

作者与出处

原作者： 灏天文库

来源：灏天文库

原文： https://aiknowledge.cn/collection/656-%E5%A4%9A%E6%99%BA%E8%83%BD%E4%BD%93%E7%B3%BB%E7%BB%9F-mas

整理： 灏天文库整理

由灏天文库平台收录，内容或由平台用户上传，仅供学习交流