多智能体路径规划方法、装置、设备以及计算机存储介质

本申请公开了多智能体路径规划方法、装置、设备以及计算机存储介质，所述方法包括：构建包括子任务网络、执行策略网络以及多重评论家网络的多智能体路径规划模型；通过子任务网络基于当前多智能体的全局状态，生成在固定时间跨度内多个智能体的子任务目标；根据子任务目标通过子任务网络，控制多个智能体执行预设步数的动作序列；根据预设步数的执行结果计算奖励值；基于环境奖励和内在奖励，更新多重评论家网络、策略网络的参数及多重评论家网络中的各评论家网络的参数；通过状态转移策略梯度模块根据预设步数执行动作后的多智能体的新状态与子任务目标状态的关系更新子任务网络的参数；重复上述步骤至训练收敛，得到多智能体路径规划目标模型。