基于多智能体强化学习的围捕策略网络的训练方法和装置

本公开涉及一种基于多智能体强化学习的围捕策略网络的训练方法和装置，应用于包含至少两个围捕者和逃逸者的液体环境，可以通过当前时刻至少两个围捕者各自的状态信息以及至少两个围捕者各自与其它围捕者和逃逸者的相对状态信息，使用与至少两个围捕者各自对应的围捕策略网络得到至少两个围捕者各自的动作信息；通过将全局信息输入到评价网络，得到针对至少两个围捕者各自的动作信息的评分信息，以对至少两个围捕者各自对应的围捕策略网络进行训练。采用了中心化训练与去中心化执行的范式，确保了算法在复杂环境中的稳定性和可扩展性，进一步实现仿生机器鱼在复杂环境中高效的合作围捕。