[发明专利]基于注意力机制的分布式多智能体协同决策方法

说明书

一种基于注意力机制的分布式多智能体协同决策方法，基于注意力机制对分布式多智能体观测信息进行融合，包括局部观测信息编码步骤，基于注意力机制权重计算步骤，注意力(Attention)系数计算步骤，局部观测信息加权求和步骤，注意力信息与位置信息融合步骤和决策概率求解步骤。本发明基于数据驱动的方式，自主发现局部信息的相互关系，并为单智能体构建全局决策信息，将位置信息单独进行处理，能够使得信息更加丰富，有针对性的处理空间位置关系的多智能体系统。

技术领域

本发明涉及一种智能决策领域，具体的，是一种基于注意力机制的分布式多智能体协同决策方法，其将分布式多智能体观测信息进行融合，并将其与单智能体id进行编码融合，形成决策特征，为最终的决策提供丰富有效的信息，提供决策水平。

背景技术

多智能体系统是由相互配合的计算单元—智能体所组成的系统。智能体协同是将多个单智能体组织为一个群体并使各个智能体有效地进行协调合作，从而产生总体解决问题的能力。多智能体系统构成方式分为集中式和分布式两种。集中式系统有一个核心Agent和多个与之在结构上分散的、独立的协作Agent构成。核心的Agent负责任务的动态分配与资源的动态调度，协调各协作Agent间的竞争与合作，该类系统比较容易实现系统的管理、控制和调度；分布式系统中各Agent彼此独立、完全平等、无逻辑上的主从关系，各Agent按预先规定的协议，根据系统的目标、状态与自身的状态、能力、资源和知识，利用通信网络相互间通过协商与谈判，确定各自的任务，协调各自的行为活动，实现资源、知识、信息和功能的共享，协作完成共同的任务，以达到整体目标，该系统具有良好的封装性、容错性、开放性和可扩展性。

基于环境反馈信息自主形成应对策略，一直是智能体研究领域里的核心话题。在过去的一段时间中，计算能力不足和提升策略的限制使得这一领域一直缺乏根本性的进展。近年来，由于摩尔定律以及深度神经网络方法的应用，硬件性能和提升算法有了长足的进步。随着神经网络在增强学习任务中投入应用，业界不断发展出来一系列相对成熟的智能体训练策略。