机构名称：
¥ 3.0
多机构增强学习（MARL）中的学习预期是一种推理范式，代理人预期了其他代理人的学习步骤，以改善彼此之间的合作。作为MARL使用基于梯度的优化，使用高阶梯度（HOG）学习预期的质量，并采用所谓的HOG方法。现有的HOG方法基于策略参数预期，即代理预测其他代理的策略参数的变化。当前，这些现有的HOG方法仅针对具有较小状态空间的可差游戏或游戏。在这项工作中，我们证明，在具有较大状态空间的非差异游戏的情况下，现有的HOG方法的性能不佳，并且由于其固有的限制与策略参数预期和多个采样阶段有关。为了克服这些问题，我们提出了O杀性策略行动预期（O效应），这是一个新颖的框架，通过行动预期来学习学习预期，即代理人通过O杀害政策采样来期待其他代理商的行动变化。我们理论上分析了我们提出的O pa2，并采用它来开发多种猪方法，这些方法适用于具有较大状态空间的非差异游戏。我们进行了大量的实验，并说明我们提出的HOG方法的表现优于现有的效率和性能。
多代理增强中的非政策行动预期...
主要关键词
相关文件推荐
