基于改进强化学习的多智能体追逃对抗

薛雅丽,叶金泽,李寒雁

Multi-agent pursuit and evasion games based on improved reinforcement learning

Ya-li XUE,Jin-ze YE,Han-yan LI

表 1 训练超参数设定

Tab.1 Setting of training hyperparameters

训练超参数 超参数符号 数值 折扣因子 γ 0.95 惯性更新率 τ 0.01 经验池大小 ReplayBuffer 1×106 回放样本数 BatchSize 1024 回合数 Ep 60000 每回合时间步 Maxstep 30 神经网络学习率 ρ 0.01 更新率 UpdateFre 100 探索率 ε 0.5 权重优先级 α 0.6 重要性采样参数 β 0.5