#多智能体强化学习

一篇理论向的多智能体强化学习论文，用 pre-window curvature 把不可加奖励下的策略优化降到多项式时间，还给出近似保证，做 MARL 的可以看看。

一篇多机器人导航的新论文，思路是把多机协同的占据预测和不确定性一起喂给强化学习策略，OOD 场景下更稳，代码开源可以直接复现。

把RNA设计拆成多个智能体分工协作，用强化学习一起训练，在Rfam上成功率和速度都超过现有方法，做计算生物学可以看看。

一篇多智能体强化学习论文，教你怎么让多个智能体在纳什均衡约束下各自完成时序目标，还有收敛性证明和8个博弈的实验。

SafeDiSTL解决了多智能体系统中如何公平分配约束责任的问题，在三个基准任务上显著提升安全性能。

清华团队提出MAPPO算法，解决车辆边缘网络中不同服务的延迟需求冲突，性能提升显著。

做 MARL 的可以看看这篇，用固定超图解决信用分配漂移，SMAC 上比 MAPPO 提了 16.7%，实验覆盖挺全。

三方博弈里演化理论说合作稳如泰山，但三种 Q-learning 有两种完全学不出来，数值对比很扎眼，做 MARL 的值得看看实验设置。

清华团队推出PPR算法，让多智能体系统在训练中自动识别环境变化，比传统方法更稳定可靠。

这篇论文用表格Q学习做分布式无人机轨迹规划，在200辆车场景下效果逼近集中式深度强化学习，还省带宽省电，值得一看。

让多智能体学会互相配合完成多目标任务

这项研究证明了多智能体强化学习在物理世界交互中的安全优势，做无人机、自动驾驶或机器人协作的团队值得关注——它用竞速场景给出了一个可复现的范式。