机构名称：
¥ 1.0
一个天真的答案是定义一个新的奖励函数，该功能是代理人的奖励功能的总和（分别为每个州行动对），并计算此汇总奖励功能的最佳策略；这样的政策将保证最大的功利主义社会福利。这种方法具有重大的缺点，因为它对奖励的仿射转换很敏感，因此，例如，如果我们将其中一个奖励函数加倍，则总体最佳策略可能会改变。这是一个问题，因为每个代理人的个人最佳策略都是（积极）的奖励转变，因此，尽管有可能通过观察他们的行动来恢复奖励函数，从而导致代理人的最佳政策，但不可能区分彼此相互转变的奖励函数。更广泛地说，由于缺乏普遍规模，经济学家长期以来一直对实用程序的人际比较持怀疑态度，这在我们的背景下尤其相关。因此，强烈首选仿射转换的聚合方法。
策略汇总
主要关键词
相关文件推荐
