一篇新的研究论文探讨了在探索不会随时间消失的情况下，均衡稳定性如何驱动Q学习者之间的合作。该研究聚焦于重复的囚徒困境，分析了持续适应的算法所采用的合作策略的时间平均比例。研究人员推导出了一个预测非背叛主导行为何时出现的边界条件，并通过对epsilon-greedy Q学习的大量模拟进行了验证。 AI
影响 为适应性强化学习智能体的合作策略提供了理论见解。
排序理由 关于强化学习动力学的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
在 arXiv cs.MA (Multiagent) 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
