一种基于置换策略网络的移动多智能体知识迁移方法

本发明公开了一种基于置换策略网络的移动多智能体知识迁移方法，涉及多智能体强化学习技术领域。包括：将置换不变性策略网络与置换同变性策略网络嵌入超网络框架，通过超网络动态生成输入层与输出层权重矩阵，建立联合状态‑动作空间与智能体规模、环境变化的动态适配关系；引入置换矩阵特性实现智能体顺序无关性与任务目标响应性的解耦，并通过集中式训练‑分布式执行架构优化策略网络参数；构建包含置换不变性与同变性约束的知识迁移模型；实现相似域任务间策略的高效迁移。本发明解决了动态复杂环境下智能体规模变化与联合状态‑动作空间维度爆炸导致的知识迁移低效问题。