多智能体强化学习控制与决策研究综述.pdfVIP

第

51

卷

第

3

期自

动

化

学

报Vol.

51,

No.

3

2025

年

3

月ACTA

AUTOMATICA

SINICAMarch,

2025

多智能体强化学习控制与决策研究综述

111111

罗

彪

胡天萌

周育豪

黄廷文

阳春华

桂卫华

摘要强化学习作为一类重要的人工智能方法,

广泛应用于解决复杂的控制和决策问题,

其在众多领域的应用已展示出

巨大潜力.

近年来,

强化学习从单智能体决策逐渐扩展到多智能体协作与博弈,

形成多智能体强化学习这一研究热点.

多智

能体系统由多个具有自主感知和决策能力的实体组成,

有望解决传统单智能体方法难以应对的大规模复杂问题.

多智能体

强化学习不仅需要考虑环境的动态性,

还需要应对其他智能体策略的不确定性,

从而增加学习和决策过程的复杂度.

为此,

梳理多智能体强化学习在控制与决策领域的研究,

分析其面临的主要问题与挑战,

从控制理论与自主决策两个层次综述现

有的研究成果与进展,

并对未来的研究方向进行展望.

通过分析,

期望为未来多智能体强化学习的研究提供有价值的参考和

启示.

关键词强化学习,

多智能体系统,

序列决策,

协同控制,

博弈论

引用格式

罗彪,

胡天萌,

周育豪,

黄廷文,

阳春华,

桂卫华.

多智能体强化学习控制与决策研究综述.

自动化学报,

2025,

51(3):

510−539

DOI

10.16383/j.aas.c240392

CSTR

32138.14.j.aas.c240392

SurveyonMulti-agentReinforcementLearningforControlandDecision-making

111111

LUO

Biao

HU

Tian-Meng

ZHOU

Yu-Hao

HUANG

Ting-Wen

YANG

Chun-Hua

GUI

Wei-Hua

AbstractReinforcement

learning,

as

an

important

method

in

artificial

intelligence,

has

been

widely

used

to

solve

complex

control

and

decision-making

problems

and

has

shown

great

potential

in

various

fields.

Recently,

multi-

agent

reinforcement

learning

has

evolved

from

single-agent

decision-making

to

multi-agent

cooperation

and

competi-

tion,

forming

a

research

hotspot

in

the

field.

Multi-agent

systems

consist

of

multiple

entities

with

autonomous

per-

ception

and

decision-making

capabilities,

which

hold

promise

for

solving

large-scale

complex

problems