在多智能体强化学习（Multi-Agent Reinforcement Learning, MARL）领域，价值分解（Value Decomposition）方法通过将全局价值函数分解为各个智能体的局部价值函数，从而有效地解决了多智能体协作问题。下面简要地讲解四种典型的价值分解算法：VDN（Value Decomposition Networks）、QMIX、FACMAC（Factorized Multi-Agent Centralized Critic）和VDA2C（Value Decomposition Advantage Actor-Critic）。

目录

1. 价值分解方法概述
2. VDN（Value Decomposition Networks）
   • 2.1