零样本离线逆向强化学习多智能体泛用协作方法

本发明属于强化学习技术领域，涉及零样本离线逆向强化学习多智能体泛用协作方法。首先在多智能体任务中引入带有补充数据集的模仿学习，以解决在实践中遇到的专家数据集数量有限的问题；其次提出多智能体模仿学习分布校正估计的方法，考虑到补充数据集与专家数据集相比，补充数据集的质量、精度较差，因此在引入补充数据集后，先进行约束优化，确保优化解中变量之间的比例关系符合要求，使得优化解在面临微小扰动时仍能保持稳定，不易发生大的波动，同时密度比校正能够处理复杂的约束条件，使解在多变的环境中具有更强的适应性和鲁棒性；然后通过闭式解进行凸优化，对变化的参数也具有更好的稳定性，特别是在处理参数扰动时，能够保持较好的性能。