基于切比雪夫多目标优化的QMIX 算法
案例介绍
network）结构，这样设计的目的是尽可能多的利用到系统场景的全局状态信息，主要的
网络层是全连接MLP 层，st 代表的是在t 时刻系统场景的全局状态信息，Qa( a; at
)(a =
1; 2; :::;N) 则是由上述单智能体网络输出的动作价值，W1 为网络的第一层权值，W2 为
网络的第二层权值。此网络的输入时单智能体的动作价值和全局状态信息，输出则为混
合网络的权值，真实全局动作价值Qjt( ; )。T_QMIX 算法的主要贡献是通过将个体
全局最大化条件转换成新的单调性约束2.4, 从而使得本算法能够贪心地通过个体动作价
值获取最优动作, 在此网络中，为了保证权值的非负性和单调性，则使用线性网络加绝
对值来实现。
基于切比雪夫多目标优化的QMIX 算法
案例介绍
右侧的模块则代表的是T_QMIX 算法种QMIX 的核心，这是一种超网络（hyper
network）结构，这样设计的目的是尽可能多的利用到系统场景的全局状态信息，主要的
网络层是全连接MLP 层，st 代表的是在t 时刻系统场景的全局状态信息，Qa( a; at
)(a =
1; 2; :::;N) 则是由上述单智能体网络输出的动作价值，W1 为网络的第一层权值，W2 为
网络的第二层权值。此网络的输入时单智能体的动作价值和全局状态信息，输出则为混
合网络的权值，真实全局动作价值Qjt( ; )。T_QMIX 算法的主要贡献是通过将个体
全局最大化条件转换成新的单调性约束2.4, 从而使得本算法能够贪心地通过个体动作价
值获取最优动作, 在此网络中，为了保证权值的非负性和单调性，则使用线性网络加绝
对值来实现。
案例图片
相似案例推荐
-
AI一键获客系统
为上海金不换集团打造的 AI 一键获客系统，核心技术包括：运
-
文本分类模型小工具
本项目为基于 Python 的本地文本分类工具，采用预训练语
-
GPT大模型实现图片生成
GPT大模型实现图片生成 自主构建字体领域图片数据集，训练
-
智能客服Agent工作流
智能客服Agent工作流 实现了烟草行业的智能客服Agen
-
工业语音助手系统
本项目是基于 Python 开发的一款本地语音助手工具，专为
-
RAG开发
使用大模型对资料进行整理，提取出问答对，本地部署小模型和向量
1小时精推人才
需求方专属客服，免费梳理匹配
