本文综述网络化去中心化多智能体强化学习，其中代理无中央控制，通过通信网络交换信息，应用于机器人、无人车、传感器网络和智能电网。研究提出空间折扣因子、NeurComm通信协议、LTDE-Neural-AC、逻辑神经网络策略解释、符号知识SOMARL及PCTL对比解释等方法，以提升学习效率、收敛速度和可解释性。

本文介绍了去中心化多智能体强化学习，该领域研究多个代理在公共环境中执行顺序决策，无需中央控制器的协调。该设置广泛应用于机器人、无人驾驶车辆、移动传感器网络和智能电网的控制和操作。