VIP6
本课程属于：152-RLHF与强化学习工程 AI智能与边缘计算工程 · 共 6 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

多智能体强化学习CTDE框架

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
课程导入
学习目标 · 课程结构 · CTDE框架的起源与核心思想
课程导入学习目标
02
多智能体强化学习基础
多智能体系统 · 马尔可夫博弈 · 部分可观测性
多智能体强化学习…多智能体系统
03
单智能体强化学习回顾
策略梯度 · Q学习 · Actor-Critic
单智能体强化学习…策略梯度
04
CTDE框架概述
集中训练分散执行的定义 · 优势 · 适用场景与典型架构
CTDE框架概述
05
通信与信息共享
CTDE中集中训练时如何利用全局信息 · 通信信道设计
通信信息共享
06
值分解方法（一）
VDN（Value Decompos… · 加法分解 · 局限性
值分解方法VDN
07
值分解方法（二）
QMIX（Q-Mixing Netw… · 单调性约束 · 混合网络结构
值分解方法QMIX
08
值分解方法（三）
QTRAN（Q-Transforma… · 可分解性条件 · 与VDN/QMIX对比
值分解方法QTRAN
09
Actor-Critic类CTDE方法
MADDPG（Multi-Agent… · 集中评论家 · 分散演员
Actor-CriticCTDE
10
多智能体策略梯度
COMA（Counterfactua… · 优势估计
多智能体策略梯度COMA
11
注意力机制与CTDE
MAAC（Multi-Actor-A… · 动态信息聚合
CTDE注意力机制
12
基于通信的CTDE方法
DIAL · CommNet · TarMAC等通信协议与梯度传递
CTDE基于通信的
13
集中训练分散执行中的信用分配
问题定义 · 解决方案 · 反事实推理
训练分散执行信用分配
14
多智能体探索与利用
集中探索策略 · 多样性激励 · 课程学习
多智能体探索利用
15
CTDE中的鲁棒性与可扩展性
大规模智能体 · 非平稳性 · 部分可观测性挑战
CTDE鲁棒性
16
多智能体环境与仿真平台
SMAC · MPE · PettingZoo
多智能体环境仿真平台
17
CTDE算法实现基础
PyTorch/TensorFlow… · 多智能体训练循环 · 经验回放池设计
CTDE算法实现基础
18
实战项目一
基于MPE环境的MADDPG实现——…
实战项目一MPE
19
实战项目二
基于SMAC的QMIX实现——星际争…
实战项目二SMAC
20
实战项目三
基于PettingZoo的VDN实现…
实战项目三PettingZoo
21
CTDE算法对比与评估
评估指标 · 基准测试 · 消融实验设计
CTDE算法对比
22
CTDE在自动驾驶中的应用
多车协同 · 集中规划与分散控制
CTDE自动驾驶
23
CTDE在游戏AI中的应用
团队竞技 · 实时策略游戏
CTDEAI
24
CTDE在机器人协作中的应用
多机器人任务分配 · 协同操作
CTDE机器人协作
25
CTDE在智能电网与资源调度中的应用
多智能体优化
CTDE智能电网
26
常见问题与调试技巧
训练不稳定 · 奖励设计 · 超参数调优
常见问题调试技巧
27
CTDE的变体与前沿进展
MAPPO · HAPPO · MAT
CTDE的变体
28
CTDE与多智能体强化学习的理论分析
收敛性 · 样本效率 · 表达能力
CTDE多智能体强化学习…
29
综合实战
设计一个自定义多智能体协作任务 · 从环境搭建到CTDE算法部署
综合实战设计一个自定义多…
30
课程总结与进阶方向
CTDE的局限 · 未来趋势 · 学习资源与推荐
课程总结进阶方向