智能集群系统的强化学习方法综述

智能集群系统是人工智能的重要分支，所涌现出的智能形态被称为集群智能，具有个体激发时的自组织性 和群体汇聚时的强鲁棒性等特征.智能集群系统的协同决策过程是融合人-机-物，覆盖多元空间，囊括感知-决策反馈-优化的复杂非线性问题，具有开放的决策模型和庞大的解空间.然而，传统的算法依赖大量的知识与经验，使 其难以支持系统的持续演化.强化学习是一类兼具感知决策的端到端方法，其通过试错的方式不断迭代优化，具有 强大的自主学习能力 .近些年来，受生物群体和人工智能的启发，强化学习算法已由求解个体的决策问题，向优化 集群的联合协同问题演进，为增强集群智能的汇聚和涌现注入了新动能.但是，强化学习在处理集群任务时面临感 知环境时空敏感、群内个体高度自治、群间关系复杂多变、任务目标多维等挑战 .本文立足于智能集群系统的协同 决策过程与强化学习运行机理，从联合通信、协同决策、奖励反馈与策略优化四个方面梳理了强化学习算法应对挑 战的方法，论述了面向智能集群系统的强化学习算法的典型应用，列举了相关开源平台及其适用算法 .最后，从实 际需求出发，讨论总结了今后的研究方向.http://cjc.ict.ac.cn/online/onlinepaper/lll-20231210115504.pdf