机构名称：
¥ 2.0
•使用策略σT（i）计算瞬时遗憾r t（i，a）。•更新累积遗憾r t（i，a）= r t -1（i，a） + r t（i，a）。•计算下一个策略σT+1（i，a）〜最大（0，r t（i，a））。•累积策略C T（i，a）= c t -1（i，a） +πσt（i）σt（i，a）。•计算平均策略σT（i，a）〜c t（i，a）。
动态折扣反事实遗憾最小化
主要关键词
相关文件推荐
