arXiv eess.SY 系统与控制· Jingqi Li, Gechen Qu, Jason J. Choi, Somayeh Sojoudi, Claire Tomlin·· 5 小时前精选AI 评分48
多智能体引导策略搜索用于非合作动态博弈的研究
Multi-Agent Guided Policy Search for Non-Cooperative Dynamic Games
AI 导读
论文提出 Multi-agent Guided Policy Search（MA-GPS），通过把近似先验作为正则项加入奖励函数，缓解多智能体策略梯度（MA-PG）的不稳定与极限环问题。
推荐理由
论文说明了用近似先验替代熵探索来稳定策略梯度的做法，并给出收敛性证明与两类实验场景。
来源：arXiv eess.SY 系统与控制 · arxiv.org