自适应门控动作掩码网络

推理性能最高提升86%

该网络通过随机初始化的自适应门控模块融合动作掩码与动作逻辑值，使智能体在优化过程中动态调整两者权重，从而显著提升策略优化效率与最终奖励表现。

Xue, Buqing · Qian, Chen · Zilong, Wang · Du, Linkang · Zhao, Jiaqi · 胡涛

Knowledge-Based Systems 2026

参数信息

推理性能提升

86 %

技术优势

推理性能最高提升 86%

在四个 Gym 环境中，AGAM 推理阶段性能相比现有 SOTA 基线最高提升 86%，收敛后优势明显。

能落地到水库调度

在水库调度多目标优化实验中，AGAM 能获得 Pareto 最优解，证明其在真实场景中的实用潜力。

应用场景

• 强化学习策略优化：在策略优化中直接替换掩码融合模块，减少无效动作干扰，提升收敛速度与最终奖励。
• 机器人决策控制：机器人动作空间大且约束多，AGAM 可动态融合掩码，避免无效动作影响决策效率。
• 多目标优化调度：在多目标优化问题中，AGAM 能学习到 Pareto 最优策略，无需人工设计权重。
• 资源调度优化：水库调度等资源分配场景中，AGAM 可处理复杂约束并获得 Pareto 最优解。