机构名称：
¥ 2.0
决策通常需要平衡立即满足与长期利益。在增强学习（RL）中，这种平衡行为受到时间差异的影响，该行为量化了未来奖励的贬值。事先的研究表明，与RL中使用的常规指数折扣相比，人类决策与双曲线折扣更加与双曲线折扣保持一致。随着人造代理变得更加先进和普遍，尤其是在与人类的多代理设置中，对适当的折扣模型的需求变得至关重要。尽管已经提出了单质学习的双曲线折扣，但其在多代理增强学习中的潜力（MARL）仍未开发。我们在MAL中介绍和制定双曲线折扣，在各种框架上建立理论和实践基础，包括独立学习，集中策略差异和价值分解方法。我们评估了多余的合作任务的双曲线折扣，将其与指数折扣基线进行了比较。我们的结果表明，双曲线折扣在60％的方案中获得了更高的回报，并且在95％的任务中以指数折扣的速度表现出色，并在稀疏奖励和协调密集的环境方面得到了显着改善。这项工作为高级多代理系统开发的强大决策过程开辟了新的途径。
多代理增强学习中的双曲线折扣
主要关键词
相关文件推荐
