★ 2
马尔可夫完美均衡的分散式赌博机学习
论文研究连续动作、折扣无限期一般和马尔可夫博弈中的分散式赌博机学习，智能体仅观测公共状态与自身奖励，采用同时扰动随机逼近更新动作。在负运行奖励梯度强单调且步长足够小的条件下，证明完全分散式过程几乎必然收敛到唯一平稳马尔可夫完美均衡，收敛速率为 O(n^{-1/2})。
arXiv cs.LG19 天前
共 1 篇相关资讯，按重要度与时间排序，每 3 小时更新。
论文研究连续动作、折扣无限期一般和马尔可夫博弈中的分散式赌博机学习，智能体仅观测公共状态与自身奖励，采用同时扰动随机逼近更新动作。在负运行奖励梯度强单调且步长足够小的条件下，证明完全分散式过程几乎必然收敛到唯一平稳马尔可夫完美均衡，收敛速率为 O(n^{-1/2})。