基于MADRL的单调价值函数分解（Monotonic Value Function Factorisation for Deep Multi-Agent Reinforcement Learning）QMIX 是一种用于多智能体强化学习的算法，特别适用于需要协作的多智能体环境，如分布式控制、团队作战等场景。QMIX 算法由 Rashid 等人在 2018 年提出，其核心思想是通过一种混合网络（Mixing Network）来对各个智能体的局部 Q 值进行非线性组合，从而得到全局 Q 值。 在多智能体强化学习中，每个智能体都需要基于自身的观测和经验来学习策略。在一个协作环境中，多个智能体的决策往往相互影响，因此仅考虑单个智能体的 Q 值并不足够。直接对整个系统的 Q 值进行建模在计算上是不可行的，因为状态和动作空间会随着智能体数量呈指数增长。

针对传统永磁同步电机速度预测控制系统的价值函数速度与电流项权重系数难以确定,且 采用遍历方式选择控制电压矢量导致计算量大这 2 个缺点,提出一种基于期望电压矢量的快速速 度预测控制方法。 利用泰勒级数对电机速度模型进行离散化,获得期望电压矢量;将价值函数中转 速和 d 轴电流的误差项均转化为电压量纲,避免了权重系数的调整;利用 Clark 变换计算期望电压 矢量的角度,得到期望电压矢量所在的局部扇区。 将构成该局部扇区的基本电压矢量作为备选电 压矢量,代入价值函数计算,令价值函数最小的备选电压矢量作为控制电压矢量调节逆变器。

NDQ：通过交流最小化学习几乎可分解的价值函数 笔记 该代码库基于和代码库，这些论文基于“ 。 在此代码库中还可以找到以下方法的实现，这些实现由的作者完成： 使用以下命令构建Dockerfile cd docker bash build.sh 设置《星际争霸II》和SMAC： bash install_sc2.sh 这会将SC2下载到3rdparty文件夹中，并复制运行所需的地图。 requirements.txt文件可用于将必要的软件包安装到虚拟环境中（不推荐）。 进行实验 以下指令在教学任务hallway上训练NDQ。 python3 src/main.py --config=categorical_qmix --env-config=join1 with env_args.n_agents=2 env_args.state_numbers=[6,6] obs_last_a