一种基于世界模型的策略决策方法及装置

本发明提出了一种基于世界模型的策略决策方法及装置，方法包括：S10，获取策略互动中的态势信息；S20，采用基于Muzero模型网络改进的预测模型网络基于态势信息生成隐向量表征；S30，通过多智能体树搜索算法基于隐向量表征选择确定决策动作，并输出给策略互动中的智能体。本发明的基于世界模型的策略决策方法及装置，首次采用将多智能体强化学习算法与MCTS世界模型规划结合的多智能体模型算法，相比目前最先进的无模型多智能体方法，提升大动作空间中的搜索效率。通过实验证明，与已有的多智能体强化学习算法相比，在策略性能相同的前提下，具有更优样本效率。