-
题名一种基于强化学习的三国杀多智能体博弈方法
- 1
-
-
作者
骆芙蓉
王以松
秦进
于小民
-
机构
贵州大学计算机科学与技术学院
贵州大学人工智能研究院
-
出处
《计算机仿真》
2024年第7期484-490,共7页
-
基金
国家自科学基金项目(U1836205)。
-
文摘
深度强化学习在处理序列决策与策略探索问题上取得了很大的成功,大多从游戏中展开研究获得启发,其应用领域从单智能体场景扩展到多智能体场景中。基于纸牌的多人对战策略游戏是一种多智能体系统,但现有研究较少,且大多都来自于斗地主、德州扑克。为拓展基于纸牌的多智能体策略游戏的研究,提出了一种基于强化学习的三国杀多智能体博弈方法(SGS-MAPG),自建了以三国杀游戏为背景的2v2对战游戏场景作为实验环境,基于策略梯度的思想对合作的多个智能体建模,在其决策过程中包含了多智能体系统的团队合作与对抗,解决了多个智能体环境下的不稳定性问题。经计算机模拟对战过程,上述方法使智能体经过训练具有良好的学习决策能力,并且能够尝试获得多于基础算法的最终团队奖励,并得到高出至少12%胜率。
-
关键词
深度强化学习
多智能体
三国杀游戏环境
合作对抗
-
Keywords
Deep reinforcement learning
Multi-agent
Three kingdoms killing game environment
Cooperative competition
-
分类号
TP317
[自动化与计算机技术—计算机软件与理论]
-
