# 摘要在大规模的多智能体系统中，由于智能体数量大，智能体之间相互博弈的关系复杂，给策略学习带来了很大的困难。因此如何通过建模来简化多智能体的学习过程是一项重要的研究课题。在绝大多数的多智能体系统中，智能体之间的交互往往只发生在局部，因此不需要每个智能体一直与其他所有智能体都进行交互。传统的方法试图通过定义的规则来使得多智能体之间进行交互，但智能体之间的交互有时是非常复杂的，不能直接转化成规则。因

存在的问题&研究动机&研究思路创新点算法框图实验some points

1.创建环境conda create --name python36 python=3.6 # 创建一个名为python36的环境，python版本为3.62.查看环境conda info --env # 查看所有环境星号代表当前环境3.使用环境conda activate python35 # 激活名为cv的环境4.删除环境conda remove -n python36 -...

存在的问题&研究动机&研究思路创新点算法框图实验some points

# 摘要在大规模的多智能体系统中，由于智能体数量大，智能体之间相互博弈的关系复杂，给策略学习带来了很大的困难。因此如何通过建模来简化多智能体的学习过程是一项重要的研究课题。在绝大多数的多智能体系统中，智能体之间的交互往往只发生在局部，因此不需要每个智能体一直与其他所有智能体都进行交互。传统的方法试图通过定义的规则来使得多智能体之间进行交互，但智能体之间的交互有时是非常复杂的，不能直接转化成规则。因

存在的问题&研究动机&研究思路创新点算法框图实验some points

文章目录Entropy熵的定义Joint EntropyConditional Entropy链式法则Zero EntropyRelative EntropyMutual Informationvenn图表示熵和互信息的关系熵的链式法则信息的链式法则Conditional Relative Entropy某些性质Entropy熵的定义二进制熵函数：熵还可以看作是以下的期望值：对于熵有以下性质：Jo

代码：$$\begin{aligned}KPI&=(N+S)W \\PI&=N+S \\I&=W\end{aligned}$$$$\begin{aligned}loss&=(y_i-Q(s,a;\theta))^2 \\&=(r+\gamma \max Q(s^{'},a^{'};\theta^{-})-Q(s,a;\theta)) ^2\\\end{ali

1.Q-learning2.Sarsa