Multi-Agent Actor-Critic for Mixed Cooperative-Competitive Environments
Multi-Agent Actor-Critic for Mixed Cooperative-Competitive Environments（MADDPG）是由Ryan Lowe、Yi Wu、Aviv Tamar、Jean Harb、OpenAI Pieter Abbeel和Igor Mordatch于2017年发表在NeurIPS上的经典论文，是多智能体强化学习领域最重要的论文之一。该论文提出了多智能体深度确定性策略梯度（MADDPG）算法，一种基于集中式训练-分布式执行（CTDE）范式的多智能体强化学习方法。MADDPG在训练阶段使用集中式的critic，能够观察所有智能体的动作和状态，从而有效处理非平稳环境问题；在执行阶段每个智能体使用独立的actor，仅根据局部观测进行决策。MADDPG能够有效处理合作、竞争和混合场景下的多智能体学习问题，在多个基准测试中取得了优异的性能。该论文被引用超过5000次，是多智能体强化学习领域的经典方法，对后续的CTDE范式MARL研究产生了深远影响。
主体信息
Multi-Agent Actor-Critic for Mixed Cooperative-Competitive Environments（MADDPG）是由Ryan Lowe、Yi Wu、Aviv Tamar、Jean Harb、OpenAI Pieter Abbeel和Igor Mordatch于2017年发表在NeurIPS上的经典论文，是多智能体强化学习领域最重要的论文之一。该论文提出了多智能体深度确定性策略梯度（MADDPG）算法，一种基于集中式训练-分布式执行（CTDE）范式的多智能体强化学习方法。MADDPG在训练阶段使用集中式的critic，能够观察所有智能体的动作和状态，从而有效处理非平稳环境问题；在执行阶段每个智能体使用独立的actor，仅根据局部观测进行决策。MADDPG能够有效处理合作、竞争和混合场景下的多智能体学习问题，在多个基准测试中取得了优异的性能。该论文被引用超过5000次，是多智能体强化学习领域的经典方法，对后续的CTDE范式MARL研究产生了深远影响。