概念集中训练-分散执行 / Centralized Training with Decentralized Execution
CTDE
多智能体强化学习中的主流训练范式，训练阶段共享全局信息以减少策略更新干扰，执行阶段每个智能体独立决策，代表算法包括QMIX和MAPPO
时间轴 (近 90 天)
10月13日
MAPPO采用CTDE范式：每个agent有自己的actor，但训练时共享一个能观测全局状态的centralized critic，以降低梯度方差，而actor在部署时仍只依赖本地观测。
待验证50%