基于值分布的多智能体协同控制方法、装置、设备和介质

本申请涉及一种基于值分布的多智能体协同控制方法、装置、设备和介质，方法包括：构建每个智能体的初始价值网络和多个智能体的初始分布混合网络；基于各智能体的采样数据，对初始分布混合网络和各智能体的价值网络进行训练，通过最小化全局价值分布的损失函数优化初始分布混合网络以及各智能体的价值网络的网络参数，并满足全局价值分布的期望最大、每个智能体的确定性价值最大的约束关系，得到训练好的各智能体的价值网络；根据自身的观测及训练好的价值网络，各智能体执行各自的最优动作。本申请通过在训练过程中综合考虑全局观测、在执行过程中智能体仅利用局部观测做出最优决策方法。