我有一个多智能体工程问题想要咨询一下各位大佬。
我们的环境是在MPE的simple_tag.py上进行的改进，当全部agent的数量为7个时，训练效果可以，行为符合预期。但当我们将agent的数量增加到19个时，奖励不变的情况下，在一个episode中，agent在最初的30-40个step表现很正常，都会为了增加得分而做出预期行为，但在后面一些的step中，几乎每个agent都在自己的位置上震荡而不去得分。（我们将--max-episode-len 设置成了60，即一个episode有60个step）
有大佬知道要怎么改进吗？或者有什么论文可以解决这个办法的吗？
