Централизованно-децентрализованное MARL

Многoагентная проксимальная оптимизация политики (MAPPO)

Расширение PPO для многoагентных сред с использованием централизованных критиков для оценки децентрализованных индивидуальных политик. MAPPO сохраняет стабильность обучения PPO, одновременно управляя многoагентной нестационарностью.

← Назад