- 博客(1)
- 收藏
- 关注
原创 多智能体强化学习的基础和应用
在马尔可夫博弈中,所有智能体根据当前的环境状态(或者观测值)来同时选择并执行各自的动作,该各自动作带来的联合动作影响了环境状态到的转移和更新,并决定了智能体获得的奖励与反馈,可通过元组(S,A1,...An,T,R1,...Rn)来表示,其中S表示状态集合,Ai和Ri分别表示智能体i的动作集合和奖励集合,T表示环境状态转移概率,表示损失因子。2、智能体获取信息的局限性:不一定能够获得全局的信息,仅能获取局部的观测信息,但无法得知其他智能体的观测信息、动作和奖励等信息;也可能是各自局部回报的最优;
2023-07-05 14:59:45 576 1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人