基于联邦学习的分层多智能体博弈对抗和协同决策方法

本发明公开了基于联邦学习的分层多智能体博弈对抗和协同决策方法，包括：通过设立一个包含多个智能体的联邦学习框架，智能体分别位于不同的区域内，利用所在区域的数据进行局部模型的训练；联邦学习框架内，在每个智能体内部部署分层强化学习模型；利用分层强化学习模型，使多个智能体在博弈环境中进行对抗训练；在博弈对抗的基础上，对智能体进行监测，基于监测数据引入协同决策算法，协调多个智能体的行为；在达到预设的训练轮次或满足特定条件时，将本地模型参数上传至中央服务器，进行全局优化。本发明方法能够确保在保护隐私的前提下，实现多智能体间的高效协同与策略优化，在复杂多变的环境中保持高度的适应性和鲁棒性。