多智能体几何图强化学习方法、装置和存储介质

本公开提供的多智能体几何图强化学习方法，包括：各智能体通过其观察从全局动态环境状态空间中获取相应的局部状态，构建全连接的全局实体级几何图；引入基于几何距离度量的动态任务分配机制，将全局实体级几何图解耦为局部实体级几何子图；通过基于子等变图神经网络的消息传递机制在各局部实体级几何子图内实现信息交互与融合；根据每个智能体融合后的几何向量分别构建各智能体的局部参考坐标系变换，获得每个智能体的几何变换不变的局部状态；根据每个智能体几何变换不变的局部状态输出每个智能体的动作级控制策略；对各智能体的动作级控制策略进行迭代训练和优化。本公开提升了多智能体系统在复杂环境中的协同和竞争能力及其适应性和鲁棒性。