[发明专利]基于改进Q函数的多智能体一致性强化学习方法及系统

摘要

本发明基于改进Q函数的多智能体一致性强化学习方法及系统，首先建立线性离散时间异构多智能体系统的动态模型；其次引入可靠性因子ρ折中非策略Q‑学习和策略Q‑学习两种学习模式，设计基于改进Q函数的分布式控制协议；最后采用Critic神经网络通过系统动态模型产生的数据自学习最优控制协议，根据最优控制协议对异构多智能体系统进行一致性控制；本发明提出了一种改进的Q函数的异构多智能体一致性强化学习控制方法，提升了强化学习自学习能力，使智能体对环境变化更敏感，学习速度更快，增强学习可靠性，提高学习效率，同时实现异构多智能体系统以最优的方式达到一致性。