一种基于多尺度超图与多维聚合的多智能体协同任务状态嵌入方法

本发明涉及深度学习领域，公开了一种基于多尺度超图与多维聚合的多智能体协同任务状态嵌入方法。针对现有图神经网络难以捕捉高阶交互关系、动态环境适应性差及通信受限问题，本发明方法包括：构建状态观测图；依据位置、速度等显式状态计算邻接矩阵；通过图卷积网络非线性转换和相似性计算生成潜层特征邻接矩阵，并与交互图哈达玛积融合；依据潜层矩阵构建多尺度超图(含S个尺度)，搜索高密度子矩阵形成超边；搭建两阶段信息聚合模型：超边聚合阶段整合多维特征并计算关联度及交互种类，节点聚合阶段使用图注意力网络GAT更新节点特征；融入多智能体软行为者‑评论家算法MASAC，设计行为与奖励函数，构成MHGNN‑MASAC模型；应用于协同控制任务决策。