Your Location:
Home >
Browse articles >
完全合作场景中的优化方法:多智能体强化学习综述
常规文章 | Updated:2025-05-06
    • 完全合作场景中的优化方法:多智能体强化学习综述

      Enhanced Publication
    • Optimization methods in fully cooperative scenarios: a review of multiagent reinforcement learning

    • 多智能体强化学习(MARL)已成为强化学习领域一个有前景的新前沿,在众多应用中具有巨大的潜力。本综述介绍了其在MARL领域的研究进展。专家xx仔细回顾了仿真环境在协作场景中的应用,为解决复杂的多智能体问题提供了解决方案,为构建和谐的多智能主体系统奠定了基础。
    • 信息与电子工程前沿(英文)   2025年26卷第4期 页码:479-509
    • DOI:10.1631/FITEE.2400259    

      中图分类号: TP181
    • 收稿日期:2024-04-06

      修回日期:2024-09-06

      纸质出版日期:2025-04

    Scan QR Code

  • 杨涛, 史鑫昊, 曾庆含, 等. 完全合作场景中的优化方法:多智能体强化学习综述[J]. 信息与电子工程前沿(英文), 2025,26(4):479-509. DOI: 10.1631/FITEE.2400259.

    Tao YANG, Xinhao SHI, Qinghan ZENG, et al. Optimization methods in fully cooperative scenarios: a review of multiagent reinforcement learning[J]. Frontiers of information technology & electronic engineering, 2025, 26(4): 479-509. DOI: 10.1631/FITEE.2400259.

  •  
  •  

0

浏览量

0

Downloads

0

CSCD

>
文章被引用时,请邮件提醒。
Submit
工具集
下载
参考文献导出
分享
收藏
添加至我的专辑

相关文章

暂无数据

相关作者

暂无数据

相关机构

暂无数据
0