2023-05-10计算机应用,JournalofComputerApplications2023,43(5):1620-1624ISSN1001-9081CODENJYIIDUhttp：//www.joca.cn基于共享注意力的多智能体强化学习订单派送黄晓辉，杨凯铭*，凌嘉壕（华东交通大学信息工程学院，南昌330013）（∗通信作者电子邮箱yangkaiming9622@qq.com）摘要：网约车因方便、快捷成为现今人们出行热门之选，如何更高效地派送合适的订单将乘客送到目的地是如今研究的热点。许多研究着重于训练单智能体，再由它统一分配订单，车辆本身并不参与决策。针对以上问题，提出一种基于共享注意力的多智能体强化学习（SARL）算法。该算法将订单派送问题建模为一个马尔可夫决策过程，运用多智能体强化学习，通过集中训练、分散执行的方式让每个智能体均成为决策者；同时加入共享注意力机制，让智能体彼此共享信息并合作。最后，在不同尺度地图、不同乘客数以及不同车辆数情形下与完全随机匹配（Random）、贪婪算法（Greedy）、多智能体强化学习算法IDQN和混合Q值网络（QMIX）进行对比。结果显示，在固定和可变的车辆与乘客组合情况下，SARL算法在三个不同尺度地图（100×100、10×10和500×500）的时间效率均达到了最优，验证了算法的泛化性能和稳定性。SARL算法可以优化车辆和乘客的配对，减少乘客等待时间，提升乘客满意度。关键词：机器学习；深度强化学习；注意力机制；多智能体强化学习；车辆订单派送中图分类号：TP18；TP391文献标志码：AOrderdispatchingbymulti-agentreinforcementlearningbasedonsharedattentionHUANGXiaohui，YANGKaiming*，LINGJiahao（SchoolofInformationEngineering，EastChinaJiaotongUniversity，NanchangJiangxi330013，China）Abstract:Ride-hailinghasbecomeapopularchoiceforpeopletotravelduetoitsconvenienceandspeed，howtoefficientlydispatchtheappropriateorderstodeliverpassengerstothedestinationisaresearchhotspottoday.Manyresearchesfocusontrainingasingleagent，whichthenuniformlydistributiesorders，withoutthevehicleitselfbeinginvolvedinthedecisionmaking.Tosolvetheaboveproblem，amulti-agentreinforcementlearningalgorithmbasedonsharedattention，namedSARL（SharedAttentionReinforcementLearning），wasproposed.Inthealgorithm，theorderdispatchingproblemwasmodeledasaMarkovdecisionprocess，andmulti-agentreinforcementlearningwasusedtomakeeachagentbecom...
