文章目录
前言
MARL基础算法第三类基于策略的学习
一、基于策略方法的提出
目前为止方法总体就是评估价值函数，基于价值函数更新策略，这些方法都具有一定的限制，如JAL-SG不能有效收敛到均衡状态，而虚拟博弈不能收敛到随机策略分布的情况，因此基于策略的方法提出，利用数据直接优化联合策略。
二、普遍的梯度上升的更新方法
首先根据智能体i的策略采取对智能体j的动作后得到的效益函数
U i ( π i , a j ) = ∑ a i ∈ A i π i ( a i ) R i ( a i , a j ) . \begin{aligned}U_i(\pi_i,a_j)&=\sum_{a_i\in A_i}\pi_i(a_i)\mathcal{R}_i(a_i,a_j).\end{aligned} Ui
最低0.47元/天 解锁文章
扫一扫
838
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
