本论文提出了一种基于分散式模仿学习的多智能体代理近端策略优化（IA-MAPPO）算法，以灵活且经济高效的方式在分散式大规模多智能体系统中执行规避追击任务。该算法通过集中管理的策略蒸馏机制完成多种编队的快速切换，并利用分散化的形成控制器以降低通信开销和提高可伸缩性，同时采用替代训练方法弥补分散化带来的性能损失。模拟结果证实了 IA-MAPPO 算法的有效性，并且广泛的消融实验显示了与中心化解决方案相当的性能，并显著降低了通信开销。

Nov, 2023

本文提出一种新的算法解决 QDec-POMDP 问题中涉及不同类型感知智能体的问题，当其中一个智能体无法采取感知行为，但另一个智能体可以采取时，要求智能体采用相同的计划。结果表明，该算法在这些情况下比 QDec-FP 和 QDec-FPS 算法表现好得多。

Jan, 2023

该篇论文概述了分布式约束优化问题在多智能体系统中的应用，对其各种扩展和解析方法进行了分类并提出了未来研究方向和挑战。

Feb, 2016

本文中，我们通过引入社会心理学原则，提出了一种新的 MARL 方法 Coordinated Policy Optimization（CoPO），用于协调自驱粒子系统中多个代理的行为，并最大化个体目标，实验结果表明，与 MARL 基线相比，CoPO 可以在各种度量方面实现优越的性能。

Oct, 2021

本文介绍了一种基于模拟的 POMDP 求解器来构建 Dec-POMDP 的有限状态控制器节点以及一种相关的方法来启发式地导出初始 FSC，称为 MC-JESP，实验证明其竞争力甚至优于使用显式模型的许多离线方法

May, 2023

提出了神经符号部分可观测随机博弈（NS-POSGs）模型，针对部分可观测的环境及基于连续数据的数据驱动方法，引入了感知机制，提出了基于粒子置信度的一侧 NS-HSVI 方法，用于近似计算一侧 NS-POSGs 的值，并在实验中证明了这一方法对于具有多面体形式的神经网络的实际适用性。

Oct, 2023

多智能体多目标追踪问题中的去中心化、主动搜索和跟踪以及异步智能体通信的解决方案 DecSTER，在目标数量超过智能体数量的情况下，通过使用概率假设密度滤波器的顺序蒙特卡罗算法进行后验推断，并结合汤普森采样进行智能体的分散决策。通过比较不同的动作选择策略，在模拟中证明了 DecSTER 算法在面对不可靠智能体通信时的鲁棒性，并在不同目标数量和团队规模下优于信息贪婪基准的优化子模式分配 (OSPA) 指标。

Jan, 2024

本研究使用部分可观察的马尔可夫决策过程（POMDP）建立了共享自主体系的模型，实现了在未知目标目的情况下，最小化期望成本并提供有用的援助，比传统预测 - 执行方法更快，需要更少的用户输入，减少用户闲置时间并减少用户与机器人的碰撞。

Jun, 2017

介绍了一种基于事实观测随机博弈（FOSG）建模的解决方案，该解决方案的优势在于可以轻松分解问题，且与博弈树等其他建模方式相关联，这为多智能体决策制定提供了启示。

Jun, 2019

本论文介绍了一种 Orienteering Problem（OP）的扩展，被称为 Clustered Orienteering Problem with Subgroups (COPS)。在这个变种中，节点被分成子组，并且子组被组织成簇。每个子组都与奖励相关，只有当访问其所有节点时才能获得奖励；然而，每个簇最多只能访问一个子组。目标是在旅行预算下最大化总奖励收集。我们展示了我们的新模型有能力模拟和解决之前已知的两个变种，即 Clustered Orienteering Problem (COP) 和 Set Orienteering Problem (SOP)，以及其他在本文中介绍的情境。我们提出了一个整数线性规划（ILP）模型和一个基于 Tabu 搜索的启发式方法来解决这个问题。实验结果表明，ILP 方法可以得到最优解，但时间开销较大，而元启发式方法在更合理的计算成本内产生可比较的解。

Dec, 2023