一种智能体集群路径规划模型的训练方法和装置

本方案公开了一种智能体集群路径规划模型的训练方法和装置，该方法包括：构建智能体在当前时间步的第一状态矩阵，将第一状态矩阵输入初始强化学习模型，预测各个智能体在下一个时间步的第二动作信息；基于第二状态矩阵、第一状态矩阵确定智能体集群执行本次任务的奖励得分；构建由目标四元组组成的时间序列数据，将时间序列数据输入各个局部Q网络中，生成局部Q值；将局部Q值通过混合Q网络组合成全局Q值；使用更新后的局部Q网络和混合Q网络继续进行训练，得到智能体集群路径规划模型。本方案的混合Q网络具备时序建模和注意力权重分配能力，各智能体独立决策，实现去中心化控制；采用时间序列数据学习时序依赖，使路径生成更具灵活性。