Multi-Agent Reinforcement Learning Hierarchical Planning Strategic Coordination
摘要

针对多智能体强化学习在不同时间尺度上平衡全局协调与局部执行的挑战,本文提出了耦合分层多智能体系统(CHMAS)。该框架将决策分解为集中式战略规划与分布式战术执行,并建立双向信息流。战略层整合全局状态生成指导动作,战术层据此执行;独特的反馈机制利用累积战术奖励修正战略目标,确保计划可行性。此外,文章提出了异步更新协议以解决非平稳性问题,理论证明了其收敛性,并在多智能体觅食场景中验证了该方法的有效性。

AI 推荐理由

论文提出分层框架,核心在于集中式战略规划与分布式战术执行的协同机制。

研究机构
中国科学院自动化研究所
论文信息
作者 Dongming Wang, Jie Xu, Yanyu Zhang, Wei Ren
发布日期 2026-07-21
arXiv ID 2607.19555
相关性评分 9/10 (高度相关)