多智能体强化学习方法综述

在自动驾驶、团队配合游戏等现实场景的序列决策问题中,多智能体强化学习表现出了优秀的潜力。然而,多智能体强化学习面临着维度灾难、不稳定性、多目标性和部分可观测性等挑战。为此,概述了多智能体强化学习的概念与方法,并整理了当前研究的主要趋势和研究方向。研究趋势包括CTDE范式、具有循环神经单元的智能体和训练技巧。主要研究方向涵盖混合型学习方法、协同与竞争学习、通信与知识共享、适应性与鲁棒性、分层与模块化学习、基于博弈论的方法以及可解释性。未来的研究方向包括解决维度灾难问题、求解大型组合优化问题和分析多智能体强化学习算法的全局收敛性。这些研究方向将推动多智能体强化学习在实际应用中取得更大的突破。

成人社交焦虑问卷中文版的效度和信度评价

目的:检验成人社交焦虑问卷中文版(CSAQ-A)的效度和信度。方法:选取555名成人[年龄18~60岁,平均(29±8)岁]完成CSAQ-A。采用Liebowitz社交焦虑量表(LSAS)、简版惧怕否定评价量表(BFNE)、宾州忧虑问卷(PSWQ)、特质焦虑量表(STAI-T)、贝克抑郁量表第二版(BDI-II)为效标工具。间隔4周后143名成人完成重测。结果:5因子结构的拟合指数良好(χ^(2)/df=3.06,CFI=0.92,TLI=0.91,RMSEA=0.06,SRMR=0.05);CSAQ-A得分与LSAS、BFNE、PSWQ、STAI-T、BDI-II得分均呈正相关(ICC=0.40~0.67,均P<0.001)。CSAQ-A总量表的Cronbach α系数为0.96,重测信度为0.80。结论:成人社交焦虑问卷中文版评估成年人群社交焦虑症状的效度和信度良好。

基于生物运动的社交焦虑者情绪加工与社会意图理解负向偏差机制

社交焦虑者在情绪加工和社会意图理解方面均可能存在异常,以负向认知偏差为代表,但目前尚缺乏针对社交焦虑的情绪与社会意图理解共性机制的研究和临床预测模型。本项目计划综合运用行为实验、功能磁共振成像和计算建模,基于情绪识别与社会意图推理的生物运动范式,并结合面部表情识别任务,系统考察社交焦虑者在情绪加工和社会意图加工中的负向认知偏差机制,并构建社交焦虑症状的预测模型,检验精神疾病背后的多维数据关联,以及多维数据对社交焦虑临床症状的客观分类和预测的作用。