分散式多智能体导航的环境和政策协同优化
原文中文，约200字，阅读约需1分钟。发表于：。通过引入多智能体系统和环境协同演化的观点，本研究提出了一个多智能体导航的去中心化问题，通过协同算法交替优化智能体行为和环境配置，选择最优的智能体动作和障碍物配置，以提高导航性能。通过策略梯度方法，在协同框架中建立了无模型学习机制，并进行了收敛性分析和对比实验，结果显示优化的环境配置对解决智能体运动冲突至关重要。
CoPPO是一种用于多智能体环境下多项策略优化的算法，通过联合目标实现动态的学分分配，解决了多智能体系统中同时更新智能体策略时高方差的问题。实验证明CoPPO在合作矩阵博弈和StarCraft II微观管理任务等多智能体环境中优于一些强基线，并与最新的多智能体PPO方法（即MAPPO）相竞争。
