首页 /研究 /ACPO:面向多智能体强化学习的智能体链式策略优化
LEARNING

ACPO:面向多智能体强化学习的智能体链式策略优化

Daiki E. Matsunaga, Junho Na, Tri Wahyu Guntara, Scott Sanner, Pascal Poupart, Jongmin Lee, Kee-Eung Kim

发表年份
2026
访问权限
开放获取

摘要

本文提出了一种新的多智能体强化学习方法ACPO,通过将联合策略梯度分解为每个智能体独立的项,实现了在集中训练分散执行范式下的有效优化。该方法利用串行化决策视角,让智能体依次基于对先前动作的信念提交动作,从而在保持独立训练的同时实现协调。

关键词

multi-agent reinforcement learningpolicy gradientcentralized training decentralized executioncoordinationjoint policy optimization

相关论文

查看 LEARNING 分类全部论文