一种基于结构信息理论分层强化学习的多智能体协作方法

本发明公开一种基于结构信息理论分层强化学习的多智能体协作方法，首先通过有向结构熵优化技术对环境观测进行层次化表征，将高维原始状态映射为低维抽象空间，消除噪声干扰并捕捉方向敏感的状态转移模式。在此基础上，结合时序特征与结构信息理论构建多尺度技能树，实现长程策略的时空一致性优化。最后，扩展至多智能体场景，通过动态角色划分与协作框架提升群体决策效率。本发明旨在通过动态层次抽象、多尺度技能发现与群体协同机制，解决传统分层强化学习在多智能体协作复杂动态环境中的关键瓶颈，提高多智能体协作的精准度和效率。