基于Shapley加性解释的多智能体强化学习算法效能可解释评估方法及系统

本发明公开了一种基于Shapley加性解释的多智能体强化学习算法效能可解释评估方法及系统，方法包括：建立海上多智能体强化学习算法仿真环境，建立适配多智能体强化学习算法应用场景的评估指标体系；采用多层感知机对评估指标体系中各指标进行综合，获得算法效能评估预测值，改进算法效能评估学习训练过程中的损失函数设计；采用基于经验条件分布改进的Deep‑SHAP方法，基于Shapley方法的特征归因思想对多层感知机的效能评估预测值进行可解释分析，同时可视化特征重要性排序。本发明不仅考虑了实际应用场景中指标间的独立性，同时融合了神经网络模型与客观数据，能够快速实现对多智能体强化学习算法的可解释评估。