三、智能体强化学习——多智能体强化学习 (MARL) 及人机协作

1. 多智能体强化学习问题定义
2. 主流多智能体算法
3. 人机协作指挥决策的关键技术

多智能体间的协同/对抗学习方法，还包括如何将“人在环”（Human-in-the-Loop）纳入系统，以实现人机协作式决策。

---

3.1 多智能体强化学习问题定义

3.1.1 多智能体协同与对抗场景

在单智能体强化学习中，环境通常由一个智能体与外部世界构成。而在多智能体环境中，存在多个智能体 (agents)，它们相互影响、同时进行学习和决策，因此会出现博弈和协同等复杂行为。

1. 多智能体协同 (Cooperative)

   • 多个智能体有共同目标或部分重叠的目标，需要协同分工、共同完成任务；
   • 例如：多机器人协同搬运、多无人机协同搜索