多智能体强化学习
教材《人工智能导论》3.4.3 · 已审核
通俗解释
多个学习者在共享环境中协作或竞争，各方策略变化会使单个智能体看到的环境变得非平稳。奖励设计和信息共享影响团队行为。
例子
两辆同时学习避让策略的无人车不断改变行动，使彼此的训练环境变化。
容易混淆
多个单智能体算法简单并列不一定得到稳定协作。
检查理解
两个同时学习的智能体为何会让彼此的环境不断变化？
查看参考答案
每个智能体的策略都会影响另一个看到的状态转移和回报，因而从单个智能体视角看环境不再固定。
教材《人工智能导论》3.4.3 · 已审核
多个学习者在共享环境中协作或竞争，各方策略变化会使单个智能体看到的环境变得非平稳。奖励设计和信息共享影响团队行为。
两辆同时学习避让策略的无人车不断改变行动，使彼此的训练环境变化。
多个单智能体算法简单并列不一定得到稳定协作。
两个同时学习的智能体为何会让彼此的环境不断变化？
每个智能体的策略都会影响另一个看到的状态转移和回报，因而从单个智能体视角看环境不再固定。