基于角色分配的多智能体决策算法研究

设计了一种使用角色来代替智能体的多智能体协同学习方法。根据多智能体系统的特性在多智能体系统中划分若干角色，每个角色拥有其独立的状态空间和动作空间，为智能体的状态空间和动作空间来的子空间。把多智能体系统对智能体的学习转变为对角色的学习。用角色的分配来代替多智能体系统的决策，使用强化学习的方法训练决策层，使其在各个状态下都能选择到最优的角色分配策略。在“星际争霸II学习环境”（SC2LE）中进行实验，验证了该方法在有效降低状态空间的情况下，仍然具有可行性与高鲁棒性。