一种基于内在奖励网络的多智能体强化学习策略优化方法

本发明公开了一种基于内在奖励网络的多智能体强化学习策略优化方法，属于强化学习技术领域，其方法包括：搭建包含多个智能体的强化学习模拟场景并对模型参数进行初始化，所述模型参数包括决策网络参数、内在奖励网络参数和状态价值网络参数；获取环境奖励、全局观测数据以及每个智能体的局部观测数据，并得到每个智能体的执行动作、内在奖励；分别构建决策网络、内在奖励网络和状态价值网络的损失函数并对模型参数进行优化。本发明通过一个参数化的内在奖励网络，为每个智能体生成内在奖励，用来激励智能体执行多样化的动作，提高了多智能体系统中每个智能体的适应能力。