样本效率更高
一种结合强化推荐采样和群体修正的多智能体深度强化学习框架，能自动为策略训练的不同阶段筛选经验样本，并利用群体奖励调整个体策略以提高最优解能力，可灵活嵌入现有离策略MARL算法。
吴培良 · Liqiang, Tian · Qian, Zhang · 毛秉毅 · 陈雯柏
IEEE Robotics and Automation Letters 2024
用推荐网络输出采样概率，替代人工采样，能根据不同学习阶段动态调整，提高样本使用效率。
通过强化学习训练推荐网络，使其学会选择能提升系统性能的样本，从而更有效地挖掘回放池中样本的潜在价值。
该框架可以嵌入到 MAAC 和 MADDPG 等现有离策略 MARL 算法中，无需大幅改动即可提升样本效率。