6.2.2.1 值分解方法：VDN, QMIX, QTRAN

文档摘要

6.2.2.1 值分解方法：VDN, QMIX, QTRAN 当 QMIX 的单调性约束开始“咬人”：一个在星际争霸微操场景中救活训练的梯度裁剪实践你有没有过这样的时刻？凌晨两点，GPU 显存满载，loss 曲线像心电图一样平稳跳动——但 agent 在《星际争霸 II》的 3m（3 个 Marines 对抗 3 个 Marines）任务里，连续 27000 次 episode 都卡在平均胜率 58.3% 上下浮动 ±0.7%，纹丝不动。