yoshishinnze https://blog.hatena.ne.jp/yoshishinnze/ 暇さえあればアルゴリズムいじり https://yoshishinnze.hatenablog.com/ AI 目次 MAPPO (Multi-Agent PPO) は、シングルエージェント向けに非常に高い実績を持つ PPO (Proximal Policy Optimization) を、マルチエージェント環境（複数のエージェントが協力・競合する環境）に拡張したアルゴリズムです。 現在、マルチエージェント強化学習（MARL）において、最も標準的かつ強力な手法の一つとして知られています。 MAPPOの基本構造：CTDE MAPPOは、 CTDE (Centralized Training, Decentralized Execution) という枠組みを採用しています。 集中学習 (Centralize… 190 <iframe src="https://hatenablog-parts.com/embed?url=https%3A%2F%2Fyoshishinnze.hatenablog.com%2Fentry%2F2026%2F01%2F10%2F153824" title="MAPPOを使った協調学習 - 暇さえあればアルゴリズムいじり" class="embed-card embed-blogcard" scrolling="no" frameborder="0" style="display: block; width: 100%; height: 190px; max-width: 500px; margin: 10px 0px;"></iframe> https://cdn-ak.f.st-hatena.com/images/fotolife/y/yoshishinnze/20260110/20260110153715.gif Hatena Blog https://hatena.blog 2026-01-10 15:38:24 rich https://yoshishinnze.hatenablog.com/entry/2026/01/10/153824 1.0 100%