面向多智能体协作的分布式强化学习通信与协同决策机制设计.docxVIP

PAGE2

面向多智能体协作的分布式强化学习通信与协同决策机制设计

摘要

随着边缘计算与人工智能的深度融合，在智能制造、无人系统集群等场景中，多智能体系统需在资源受限、通信不可靠的边缘环境下完成复杂的协作任务。现有集中式或完全分布式的决策方法，常因通信瓶颈、策略不一致性和环境部分可观测等问题，导致协作效率低下。本设计以多智能体部分可观测马尔可夫决策过程为理论框架，聚焦分布式强化学习中通信与协同决策机制的设计，旨在构建一种轻量、高效且鲁棒的协作策略。

全文依循“需求分析→总体设计→详细设计→实现→测试”的工程递进逻辑展开。首先，分析边缘协作场景对通信效率和决策协同的核心需求，明确系统的功能与非功能指标。其次，设计基于门控注意力通信的代理间信息交换协议，并提出一种分层策略协同训练算法，以平衡局部决策与全局协作。在详细设计阶段，深入阐述通信模块的稀疏激活机制和协同训练的价值分解网络结构。最后，基于多智能体粒子环境搭建仿真验证平台，对通信协议的有效性、协同策略的收敛性及系统在弱通信条件下的鲁棒性进行测试。本设计的核心创新在于：提出一种基于事件触发的门控通信机制，可动态裁剪冗余消息，显著降低通信开销；设计了一种结合优势函数分解的协同训练算法，在边缘节点算力有限的条件下，仍能保证多智能体策略的稳定收敛。实验结果表明，所提方案在任务完成率与通信效率两个维度上均优于传统基线方法。

第一章绪