多智能体强化学习博弈训练方式研究综述

摘要：

博弈训练是多智能体强化学习的一种训练方式,是当前多智能体强化学习研究的新兴领域.它采用基于自我博弈的基本方式对智能体进行训练,即在对抗性环境中,通过采取不同的对手抽样方式,智能体与自身及自身历史版本进行对抗,从而获得经验,使智能体在自我对战中不断成长,已在围棋、扑克、即时战略游戏等多种典型对抗性场景中获得了较好运用.首先,对多智能体强化学习博弈训练的基本理论进行简要的概念介绍,回顾了博弈求解方式的发展历程;然后,根据基础原理的不同,将博弈训练方式分为基于自我博弈的训练和基于博弈论的训练,并按分类重点介绍了经典自我博弈训练、成长式自我博弈训练、种群训练、联盟训练和策略空间响应预言机等现有典型算法,列举了实际应用;随后,对目前博弈训练方式存在的关键问题与挑战进行了阐述,简要介绍当前的典型测试框架及平台;最后,对博弈训练方式的发展前景进行了展望.

关键词：多智能体强化学习、博弈训练方式、自我博弈、种群训练、联盟训练

所属期刊栏目：33

分类号：TP181(自动化基础理论)

在线出版日期：2023-04-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：18-26