Tensorflow 是否可以用“训练”来训练神经网络；分裂的；输出 有可能考虑一个神经网络的输出作为两个或多个输出组吗？< /强>

我对自己做了更多的解释（在q学习环境中）：

假设我在同一个环境中有两个代理，每个代理 具有不同数量的可执行操作。两个代理人 将具有包含环境变量的相同输入向量 选择他们的行动

问题是:

我可以使用一个独特的神经网络来控制这两个代理吗？

一个例子：

代理1有3个可执行的操作，代理2只有2个可执行的操作 行动。一件重要的事情是代理必须工作 合作以获得最大的回报。我可以用1个神经网络和 为两个代理选择最佳操作的5个输出？像 网络的前3个输出将是第一个输出的Q值 代理和其他2个将是代理2的Q值。我的报酬 功能将始终基于全局结果，每个代理将 没有具体的奖励

可能吗？因为我没发现有人在谈论这个。 如果你需要更高的精确度，尽管问吧

---

我也知道一个可能的解决方案应该是创建一个具有3*2个输出的网络，每个输出将是一对操作（每个代理1个操作），但我真的很想知道是否有人已经做了我之前解释过的事情，或者只是有人知道这不能工作以及原因。

我不知道这是专门用于强化学习的，但多输出神经网络在文献中非常常见

如果您希望一个网络控制两个代理，那么在将网络分成两个不同的分支（每个分支中有几层）之前，共享网络的早期阶段可能是一个好主意

---

有关如何处理多个输出的示例，您可以查看。

谢谢您的回答，我将尝试这两种方法！感谢链接如果您对答案满意，请将其标记为解决您的问题，以便此问题得到解决。我将等待1或2天，看看是否有人已经进行了试验，因为我看到了你给我的链接的一个不同点，那就是我将只使用一个损失，因为共同的回报，如果你将对两个代理使用一个联合损失，实际上，你可能会把它们看作是一个包含两个代理的状态的单个代理，然后使用两个分支不再真正意义上。是的，但这就是为什么我会尝试两个想法，一个分支和不同的奖励和损失，一个你定义它。