基于博弈强化学习的多智能体协作行为寻优

针对非监督多Agent系统协作行为的动态优化中存在难以使行动序列收敛到Pareto最优问题,提出一种一般和博弈框架下改进Pareto-Q算法,将全局目标作为局部Pareto最优联合行为强化学习目标,并提出基于可接受度分配共同收益,将全局意义下的最优行为通过迭代学习转化为局部Pareto行为,以多机器人行为协调为模型,仿真验证了算法的可行性和实用性。