一种混合三类经验的MADDPG多智能体运动控制方法

本发明提出了一种混合三类经验的MADDPG多智能体运动控制方法，属于多智能体深度强化学习领域。MADDPG算法在专家经验的基础上引入劣质经验和优秀经验；劣质经验由反例模块生成，优秀经验由事后经验回放模块生成；通过融合专家经验、劣质经验和优秀经验构建三类经验混合机制，从而提高MADDPG算法的训练效率和稳定性；提升训练样本的多样性和质量，增强多智能体系统在复杂动态环境中的稳定性和决策能力；通过集成反例模块生成劣质经验，能在不确定环境中执行高效且可靠的运动控制，显著提高了多智能体系统的适应性和鲁棒性。