2020ICML多智能体强化学习论文简介

rockray21 rockray21 博客等级 墨衍会员 · AI 创作全网分发 墨衍智能分发 本文由作者通过墨衍一键同步至各平台 1分发平台 3.5k累计阅读 3.5k平均单平台 已同步平台 优快云 微信公众号 微博 知乎 掘金 百家号 博客园 抖音 小红书 你的文章也可以这样分发 墨衍会员 ¥399起/年，写一次发全网 我也要 码龄9年
关注
VIP免费 原创 最新推荐文章于 2026-03-19 01:44:08 发布 3.5k 阅读 AI 写同款· GEO 优化 ›
【论文笔记】非完美信息多智能体博弈棋牌类AI论文五篇 文章目录引子OpenHoldem: A Benchmark for Large-Scale Imperfect-Information Game Research，arxiv2020SuphX: Mastering Mahjong with deep einforcement learning. 2020RLCard: A Toolkit for Reinforcement Learning in Card GamesDouZero: Mastering DouDizhu with Self-Play De 阅读详情

强化学习最新论文汇总

如有错误，欢迎指正

本篇为自我学习过程中的要点记录，仅作学习使用。
所引用内容的链接将全部粘贴于下方，如有侵权，请与本人联系。

所引用内容链接

感谢这篇汇总
ICML2020 180篇强化学习论文汇总: https://zhuanlan.zhihu.com/p/147774833?utm_source=ZHShareTargetIDMore.

Multi-Agent RL

1. Kernel Methods for Cooperative Multi-Agent Learning with Delays

Abhimanyu Dubey (Massachusetts Institute of Technology) · Alex `Sandy’ Pentland (MIT)

多智能体协同决策是指在网络上进行具有时延的通信时，一群智能体协同解决学习问题。本文考虑了kernelised contextual bandit问题。1其中一个agent获得的奖赏是相关再生核Hilbert空间（RKHS）中上下文图像的任意线性函数，并且一组agent必须合作来共同解决其唯一的决策问题。对于这个问题，我们提出了extsc{Coop KernelUCB}，这是一个在每个agent regret上提供近似最优边界的算法，在计算和通信方面都是有效的。对于合作问题的特殊情况，我们还提供了extsc{Coop KernelUCB}的变体，它提供了每个agent的最优regret。此外，我们的算法推广了多agent bandit环境下已有的一些结果。最后，在一系列综合的和真实的多智能体网络基准测试中，我们证明了我们的算法明显优于现有的基准测试。

2. Robust Multi-Agent Decision-Making with Heavy-Tailed Payoffs

Abhimanyu Dubey (Massachusetts Institute of Technology) · Alex `Sandy’ Pentland (MIT)

研究了多智能体协作环境下的重尾随机bandit问题，其中一组agent与一个共同的bandit问题相互作用，同时在网络上进行有时延的通信。现有的随机bandit算法利用基于平均的通信协议产生的置信区间，该协议不适合重尾设置的鲁棒估计。我们提出了一个分散的多智能体算法来解决协作随机bandit问题，它将鲁棒估计与消息传递协议结合起来。我们证明了在多个问题设置下的最优regret界，并证明了它比现有方法的优越性。此外，我们建立了合作bandit问题的第一下界，并提供了鲁棒bandit位置估计的有效算法。

3. Multi-Agent Determinantal Q-Learning

Yaodong Yang (Huawei Technology R&D UK) · Ying Wen (UCL) · Jun Wang (UCL) · Liheng Chen (Shanghai Jiao Tong University) · Kun Shao (Huawei Noah’s Ark Lab) · David Mguni (Noah’s Ark Laboratory, Huawei) · Weinan Zhang (Shanghai Jiao Tong University)

分散执行的集中式训练已成为多智能体学习的一种重要范式。目前的方法虽然实用，但是依赖于限制性的假设来分解agent之间的集中的值函数以供执行。本文通过提出多智能体行列式Q学习来消除这种限制。我们的方法建立在Q-DPP上，它是行列式点过程（DPP）在多智能体环境下的推广。Q-DPP促进了agent获得不同的行为模型；这使得联合Q函数可以自然分解，而不需要对值函数或特殊的网络结构进行结构约束。我们证明了Q-DPP在可分散协作任务上推广了包括VDN、QMIX和QTRAN在内的主要解决方案。为了有效地从Q-DPP中提取样品，我们采用了一个线性时间取样器，并保证了理论近似性。我们的采样器也有利于通过协调agent在训练期间覆盖状态空间中的正交方向进行探索。我们对我们的算法在各种协作基准上进行了评估，并与最新的算法进行了比较，证明了算法的有效性。

4. Learning Efficient Multi-agent Communication: An Information Bottleneck Approach

Rundong Wang (Nanyang Technological University) · Xu He (Nanyang Technological University) · Runsheng Yu (Nanyang Technological University) · Wei Qiu (Nanyang Technol

最低0.47元/天 解锁文章
标签
#强化学习
【强化学习论文合集】二十二.2020国际机器学习大会论文(ICML2020) 强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。 本专栏整理了近几年国际顶级会议中，涉及强化学习（Reinforcement Learning, RL）领域的论文。顶级会议包括但不限于：ICML、AAAI、IJCAI、NIPS、ICLR、AAMAS、CVPR、ICRA等。 阅读详情

相关推荐

【强化学习论文合集】二十四.2020智能体和多智能体系统国际联合会议论文(AAMAS2020)

强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。 本专栏整理了近几年国际顶级会议中，涉及强化学习（Reinforcement Learning, RL）领域的论文。顶级会议包括但不限于：ICML、AAAI、IJCAI、NIPS、ICLR、AAMAS、CVPR、ICRA等。

计算机科研杂货铺 3067

【强化学习论文合集】二十三.2020AAAI人工智能大会论文(AAAI2020)

强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。 本专栏整理了近几年国际顶级会议中，涉及强化学习（Reinforcement Learning, RL）领域的论文。顶级会议包括但不限于：ICML、AAAI、IJCAI、NIPS、ICLR、AAMAS、CVPR、ICRA等。

计算机科研杂货铺 3024

【强化学习论文合集】二十八.2020神经信息处理系统大会论文(NIPS2020)

强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。 本专栏整理了近几年国际顶级会议中，涉及强化学习（Reinforcement Learning, RL）领域的论文。顶级会议包括但不限于：ICML、AAAI、IJCAI、NIPS、ICLR、AAMAS、CVPR、ICRA等。

计算机科研杂货铺 2362

【强化学习论文合集】二十五.2020国际表征学习大会论文(ICLR2020)

强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。 > 本专栏整理了近几年国际顶级会议中，涉及强化学习（Reinforcement Learning, RL）领域的论文。顶级会议包括但不限于：ICML、AAAI、IJCAI、NIPS、ICLR、AAMAS、CVPR、ICRA等。

计算机科研杂货铺 3099

【强化学习论文合集】二十六.2020国际人工智能联合会议论文(IJCAI2020)

强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。 本专栏整理了近几年国际顶级会议中，涉及强化学习（Reinforcement Learning, RL）领域的论文。顶级会议包括但不限于：ICML、AAAI、IJCAI、NIPS、ICLR、AAMAS、CVPR、ICRA等。

计算机科研杂货铺 2207

【强化学习论文合集】二十七.2020机器人与自动化国际会议论文(ICRA2020)

强化学习（Reinforcement Learning, RL），又称再励学习、评价学习或增强学习，是机器学习的范式和方法论之一，用于描述和解决智能体（agent）在与环境的交互过程中通过学习策略以达成回报最大化或实现特定目标的问题。 > 本专栏整理了近几年国际顶级会议中，涉及强化学习（Reinforcement Learning, RL）领域的论文。顶级会议包括但不限于：ICML、AAAI、IJCAI、NIPS、ICLR、AAMAS、CVPR、ICRA等。

计算机科研杂货铺 1463

icml2020文章列表及下载链接.zip

icml 2020 所有文章的下载链接，全部 1086 篇文章，链接点击直接跳转到 pdf，可直接下载paper

开关电源EMC整改实录：用WSX系列共模电感搞定30MHz辐射超标

本文详细介绍了开关电源EMC整改实战，通过WSX系列共模电感成功解决30MHz频段辐射超标问题。文章分析了共模干扰的产生机制，对比了不同磁芯材料的性能差异，并提供了电路布局优化与安装技巧，最终通过实测数据验证了整改方案的有效性。

weixin_29305313的博客 415

Multisim仿真运放积分器踩坑实录：为什么你的方波变不成三角波？

本文针对Multisim仿真运放积分器时方波无法转换为三角波的常见问题，提供了详细的排查与调试指南。文章指出，经典RC积分电路因直流反馈开路导致运放饱和，核心解决方案是在反馈电容两端并联大阻值电阻以稳定直流工作点。通过参数优化（调整Rin、C、Rf）和高级仿真技巧，手把手教你调出线性度好、幅度适中的完美三角波，并分享异常波形（如饱和、不对称、振荡）的对应策略。

weixin_29231263的博客 114

小样本学习概述

目录 前言 小样本学习存在的意义？ 什么是小样本学习？ 小样本学习的方法有哪些？ 结语 前言 小样本学习（Few-Shot Learning）是近几年兴起的一个研究领域，小样本学习旨在解决在数据有限的机器学习任务。 小样本学习存在的意义？ 近些年，以深度卷积神经网络为代表的深度学习方法在各类机器学习任务上取得了优异的成绩——很多任务上已经超越了人类表现。狂欢背后，危机四伏。因为这些深度学习方法work的关键之一是海量标注数据的支持。 但是在工业界，很多时候难以获得海量的训练数据，更.

DwD-的博客 3万+

complier lab2

只需支持定义 main 函数即可不带参数 int main(){...}带参数 int main(int argc, int argv){...}

qq_43581843的博客 907

5g LDPC编译码-LDPC编码

本文摘要：LDPC编码是5G业务信道的核心编码技术，属于线性分组码。5G中LDPC编码分为两种基图类型（BG1和BG2），通过码块分割、CRC处理等步骤实现。编码过程主要涉及校验矩阵生成和校验位计算，其中校验矩阵采用稀疏矩阵结构。文中详细介绍了5G LDPC编码的具体实现流程，包括码块分割规则、校验位生成方法，以及两种基图(BG1和BG2)在矩阵结构和参数设置上的差异，重点阐述了通过模块化方法求解校验比特位的技术路径。

weixin_38270585的博客 1365

第3章 基于三电平空间矢量的中点电位平衡策略

本文档深入探讨了基于三电平空间矢量的中点电位平衡策略。重点在于NPC型三电平逆变器的中点电位平衡问题，由于三电平结构的特点，使得直流侧两个电解电容器的充放电不均匀导致中点电压不均衡。文章通过对不同矢量作用下电流、电压的变化进行了详细的定量和定性分析，并提出了利用冗余小矢量的合理配置以及引入调制因子来解决中点电位偏移的方法，确保中点电压在一个完整的开关周期内的稳定性，进而提高系统的可靠性。

嵌入式老牛的博客 2182

电路中的DGND、GROUND、GROUND_REF的区别，VREF、VCC、VDD、VEE和VSS的区别？

DGND是数字地，是数字电路部分的公共基准端，用于连接数字电路的接地。

XU157303764的博客 2341

数学建模模型总结

这是本人在两年内准备参加数学建模竞赛搜集到的模型资料，已经经过了本人的筛选和整理，希望能够对准备参加数学建模竞赛的学弟学妹们提供一些帮助！

汉书HE8，好用的汇编代码编写工具

汉书HE8，好用的汇编代码编写工具早期编写汇编代码所用功能强大

SIMATIC S7-1200, S7-1500 PID 控制[手册]

SIMATIC S7-1200, S7-1500 PID 控制[手册]

假人有限元模型

假人模型，车辆碰撞假人有限元模型，适合做乘员安全的研究者利用
上一篇： 元强化学习初步
下一篇： AAAI 2020多智能体强化论文
点赞 2
评论 0
书签 书签 26
rockray21
rockray21
博客等级 码龄9年 28粉丝 20原创
+ 关注 专栏目录
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值