多智能体深度强化学习的图像特征分类方法

来源：计算机工程与应用杂志2024年第7期北京时间：

作者：张泽崴, 张建勋, 邹航, 李林, 南海

单位：重庆理工大学 计算机科学与工程学院，重庆 400054

摘要：为解决在图像特征识别分类等机器学习任务中，存在输入图像数据复杂度过高且与部分数据与特征无关的问题，提出了一种多智能体深度强化学习的图像特征分类方法。将图像特征分类任务转化为一个部分可观测的马尔可夫决策过程。通过使用多个移动的同构智能体去收集部分图像信息，并研究智能体如何形成对图像的局部理解并采取行动，以及如何从局部观察的图像中提取相关特征并分类，以此降低数据复杂性和过滤掉不相关数据。通过改进的值函数分解方法训练智能体策略网络，对环境的全局回报按照每个智能体的贡献进行拆分，解决智能体的信度分配问题。该方法在MNIST手写数字数据集和NWPU-RESISC45遥感图像数据集上进行了验证，相比基线算法能够学习到更加有效的联合策略，分类过程拥有更好的稳定性，同时精确率也有提升。

关键词：多智能体,图像特征分类,深度强化学习,值函数分解