一种基于阶层式强化学习的多代理合作系统及方法

本发明公开一种基于阶层式强化学习的多代理合作系统及方法，涉及强化学习技术领域，用于解决现有多代理人强化学习方式无法有效引导代理人学习合作策略，导致训练时间过长且训练效果差的技术问题；本发明的基于阶层式强化学习的多代理合作系统，包括管理者模块和执行者模块；管理者模块包含堆栈软注意力模块、奖励预测模块和决策模块；执行者模块包含特征撷取模块；管理者模块在任务中的每个时间步汇总特征矢量，并确定执行者的注意力权重，通过奖励预测模块获取执行者的内部奖励；执行者模块利用执行者动作网络在每个时间步根据管理者给予的内部奖励和状态来选择动作，在任务结束时，决策模块根据最后一个时间步的隐藏状态做出决策。