本发明涉及多智能体协同，尤其涉及一种多智能体强化学习系统、方法、电子设备及存储介质。
背景技术：
1、在多智能体系统中，每个智能体都有自己的状态、行为和目标，它们通过相互间的信息交互和共享，共同完成一个复杂的任务。
2、目前，强化学习在多智能体协同中的应用，其模型训练主要采用离线学习的方式，存在训练得到的多智能体决策模型决策不准确的问题。
技术实现思路
1、本发明提供了一种多智能体强化学习系统、方法、电子设备及存储介质，以提升多智能体决策模型的决策准确度。
2、根据本发明的一方面，提供了一种多智能体强化学习系统，包括：
3、仿真处理模块，用于获取实时仿真环境数据；
4、多智能体算法模型库模块，用于响应于用户对多智能体强化学习算法与待训练多智能体模型的选取操作，得到用于强化学习训练的多智能体强化学习算法与待训练多智能体模型；
5、模型训练模块，用于响应于用户对启动训练按钮的选取操作，基于所述用于强化学习训练的多智能体强化学习算法和所述实时仿真环境数据，对所述待训练多智能体模型进行强化学习训练，得到多智能体决策模型。
6、根据本发明的另一方面，提供了一种多智能体强化学习方法，包括：
7、通过仿真处理模块获取实时仿真环境数据；
8、通过多智能体算法模型库模块响应于用户对多智能体强化学习算法与待训练多智能体模型的选取操作，得到用于强化学习训练的多智能体强化学习算法与待训练多智能体模型；
9、通过模型训练模块响应于用户对启动训练按钮的选取操作，基于所述用于强化学习训练的多智能体强化学习算法和所述实时仿真环境数据，对所述待训练多智能体模型进行强化学习训练，得到多智能体决策模型。
10、根据本发明的另一方面，提供了一种电子设备，所述电子设备包括：
11、至少一个处理器；
12、以及与所述至少一个处理器通信连接的存储器；
13、其中，所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行本发明任一实施例所述的多智能体强化学习方法。
14、根据本发明的另一方面，提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现本发明任一实施例所述的多智能体强化学习方法。
15、本发明实施例的技术方案，通过仿真处理模块获取实时仿真环境数据，进而通过多智能体算法模型库模块响应于用户对多智能体强化学习算法与待训练多智能体模型的选取操作，得到用于强化学习训练的多智能体强化学习算法与待训练多智能体模型，进而通过模型训练模块响应于用户对启动训练按钮的选取操作，基于用于强化学习训练的多智能体强化学习算法和实时仿真环境数据，对待训练多智能体模型进行强化学习训练，得到多智能体决策模型。上述系统实现了多智能体在线强化学习，与离线强化学习相比在线强化学习的方式学习到的策略更稳定、偏差更小，可以有效提升多智能体决策模型的决策准确度。
16、应当理解，本部分所描述的内容并非旨在标识本发明的实施例的关键或重要特征，也不用于限制本发明的范围。本发明的其它特征将通过以下的说明书而变得容易理解。
1.一种多智能体强化学习系统，其特征在于，包括：
2.根据权利要求1所述的系统，其特征在于，所述仿真处理模块，还用于：
3.根据权利要求1所述的系统，其特征在于，所述模型训练模块，还用于：
4.根据权利要求1所述的系统，其特征在于，所述系统还包括：
5.根据权利要求4所述的系统，其特征在于，所述模型评估模块还用于：
6.根据权利要求1所述的系统，其特征在于，所述系统还包括：
7.根据权利要求1所述的系统，其特征在于，所述系统还包括：
8.一种多智能体强化学习方法，其特征在于，由多智能体强化学习系统执行，包括：
9.一种电子设备，其特征在于，所述电子设备包括：
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有计算机指令，所述计算机指令用于使处理器执行时实现权利要求8所述的多智能体强化学习方法。
