一种基于强化学习的动态层次化多智能体控制方法

本发明公开了一种基于强化学习的动态层次化多智能体控制方法，首先根据需求确定层次结构的层级数量，将智能体划分为若干子群体，并在每个子群体中选出负责进行通信的代表，根据确定的强化学习算法，构建动态层次化多智能体策略优化模型，并基于奖励函数对动态层次化多智能体策略优化模型进行训练，并利用训练后的动态层次化多智能体策略优化模型生成多智能体控制方案，并根据环境变化进行信息交互与策略更新，实现多智能体的动态调整。本发明的方案动态的调整智能体层次，并根据层级进行分层级的策略生成和融合，在确保系统协同决策和学习效果的同时，减少了通信负载，降低了网络带宽需求，提高了系统的可扩展性和稳健性。