《表1（1,3）状态下的纳什Q值》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于参数逼近的多智能体强化学习算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

探索-开发方法在游戏中表现最佳，算法是随机选择动作的，因此探索和探索-开发的结果较为接近，探索-开发方法的优势在于通过贪婪策略增加了总的收益，开发的方法允许在搜索策略时增加一些探索，否则开发智能体会陷入相同动作的困境中，无休止的游戏下去[13]；两种算法平均回报之间存在结果差异，平均回报可以反应性能，改进的算法通过近似值逼近值函数，不需要更新维护Q值表，能够更好地优化策略，获得较高的平均回报，提高算法的性能；改进的算法能够较快收敛，理论分析改进的算法具备收敛性，主要简化了传统纳什Q学习算法的复杂性，使用通用的方法更新策略，提高了算法的学习效率，这样可以保证算法尽快收敛。