对抗环境下的多智能体强化学习（Cooperative MARL）

常用仿真环境

1. StarCarft II (星际争霸2) https://zhuanlan.zhihu.com/p/28471863
2. OpenAI: multiagent-emergence(让智能体玩捉迷藏) https://github.com/openai/multi-agent-emergence-environments
3. Pommerman 环境(炸弹人)https://www.pommerman.com/
4. Google Research Football(踢足球)https://github.com/google-research/football
5. 其他还有很多，一篇知乎总结得很好https://www.zhihu.com/question/332942236/answer/1159244275

常用算法思路

1. naive方法：在一个对抗环境中，使用online learning训练两套不同的RL系统。代表作品：OpenAI在starWar II游戏中训练的智能AI: https://zhuanlan.zhihu.com/p/102749648，DeepMind的dota2 AI设计，alpha-zero (总之，现在很多攻防对抗类游戏AI的设计基本都有MARL的参与，腾讯/谷歌/微软等大公司有很多相关论文)
2. 博弈论角度：通过设计奖励函数构建零和博弈。将两套MARL看作一套MARL系统的两个部分，结合起来训练。但是奖励函数会精心设计，即某一个状态中，其中一个Multi-agent团队reward增加，其敌对Multi-agent团队reward必须减少，最终达到Nash均衡（纳什均衡：即在一策略组合中，所有的参与者面临这样一种情况，当其他人不改变策略时，他此时的策略是最好的。此时的状况既不是基于个人的利益，也不是基于整体的效果，但是在概率上是最容易产生的结果，）
3. 在攻防方面的相关理论有：微分对策（Differential Games），最优控制等https://www.docin.com/p-2398031595.html
4. 多机合作算法：MAPPO，MADDPG等方法
5. 两个玩家零和博弈：Minimax-Q等方法

标签：03,www,07,MARL,agent,2021,https,zhihu,com
来源： https://blog.csdn.net/weixin_42776152/article/details/114436800