群体动态Q学习算法

多智能体博弈求解

用群体动态大幅降低非合作多智能体强化学习的均衡求解复杂度，在智能体数量增加时性能优势更显著。

Li, Junling · Hao, Zhang · Shuqi, Ke · 黄建伟 · 陳南 · Xuemin, Shen

IEEE Transactions on Network Science and Engineering 2025

技术优势

求解更快

用ODE描述群体演化，并通过两个关键机制降低求解ODE的复杂度，避免了直接计算均衡的高计算量。

复杂度可调

通过调整群体动态的迭代次数，可以在计算复杂度和均衡精度之间进行可控折中，适应不同算力条件。

多智能体更优

在三个智能体环境中性能超越现有均衡型MARL算法，显示出随智能体数量增加的性能优势。

应用场景

• 多智能体强化学习：在多智能体系统中快速逼近纳什均衡，降低训练与决策成本。
• 群体机器人：为群体机器人协同控制提供可扩展的高效策略求解方法。
• 无人机编队：支撑无人机集群的分布式协调决策，如编队与任务分配。
• 智能仓储：为多机器人仓储系统提供低复杂度的实时调度与路径规划策略。
• 无人机通信：优化无人机通信网络中的资源分配与干扰协调。