一种基于图形互信息与行为预测的多智能体特征增强与通信补偿方法

本发明涉及一种基于图形互信息与行为预测的多智能体特征增强与通信补偿方法，属于深度学习领域。该方法旨在解决通信受限环境下多智能体系统特征提取能力不足及信息丢失导致的协同控制性能下降问题。具体包括：构建状态观测图，利用图卷积网络GCNs编码属性特征；构建图形互信息函数并最大化互信息函数，采用Jensen‑Shannon MI估计器优化并引入GCNs训练；搭建智能体运动模型，包括物理运动状态转移方程和基于策略网络的行为决策；构建基于条件变分自编码器CVAE的行为预测模型，通过历史观测状态与行为信息编码解码实现未来行为预测；将图形互信息模型与行为预测模型融合至多智能体强化学习算法MASAC中，形成GMIBP‑MASAC模型，利用该模型进行协同控制决策。