摘要：NSFP算法 论文名称：《Deep Reinforcement Learning from Self-Play in Imperfect-Information Games》 这是一篇博弈论和强化学习交叉的文章，网上的资料比较少，但是确实是对手建模的重要算法之一。虽然后面的PSRO算法指出NFSP是 阅读全文

摘要：VDN、QMIX、QTRAN、COMA 论文名称： VDN：《Value-Decomposition Networks For Cooperative Multi-Agent Learning》 QMIX: 《QMIX: Monotonic Value Function Factorisation 阅读全文

摘要：\(TD(\lambda)\)是统一蒙特卡洛算法（MC）和时序差分算法（TD）的第二种形式。第一种形式也就是 \(TD(n)\) 算法。具体来说， \(TD(n)\) 的公式可以写为： \[\begin{equation} \begin{aligned} G_{t:t+1} &= R_{t+1} + 阅读全文

摘要：MADDPG算法 论文名称：《Multi-Agent Actor-Critic for Mixed Cooperative-Competitive Environments》 一、基本问题 MADDPG是一篇经典的多智能体强化学习算法。在MADDPG以前，多智能体强化学习算法主要为独立学习技术。 独 阅读全文

摘要：强化学习 一、基本概念 状态state 智能体相对于环境的状态， 用 s 表示 状态空间 state space 智能体所有的状态的集合叫做状态空间， 用 \(S_i\) 表示 行动 action 在每一个状态可以采取的行动， 用 A 表示 行动空间 action space 在某个状态下，所有可行 阅读全文