书目#
Tabish Rashid、Mikayel Samvelyan、Christian Schroeder de Witt、Gregory Farquhar、Jakob Foerster、Shimon Whiteson，Monotonic Value Function Factorisation for Deep Multi-Agent Reinforcement Learning，JMLR 21(178)，2020，pp. 1–51。期刊入口，公开 PDF。
本轮读取#
2026-10-12 读取摘要与 PDF pp. 1–3 的集中训练/分散执行动机、pp. 6–7 关于表示限制的讨论、pp. 9–11 的局部观测、IQL、VDN 与 QMIX 第 4 节公式 (4) 及其邻近解释。未读完 51 页，也未复现 SMAC 或验证任何缓存实验。
证据与边界#
论文把联合动作值表达为局部效用的单调组合，以便将联合贪心选择分解为局部贪心选择。这里的“贪心”针对预测累计回报；不是只看即时奖励。分解的一致性不等于训练必然收敛到真实最优，更不意味着一般协作任务都能用单调函数无损表示。
支持协同缓存与局部决策；缓存中的应用是需要单独建模、验证的联系。