研究人员开发了一种新的基于核的势平均场博弈的计算框架。该框架利用再生核最大均值差异（MMD）惩罚项来处理运行交互和终端目标成本。该方法采用随机傅里叶 U-统计量表示，用于从有限样本经验分布中进行无偏估计，成本与批量大小呈线性关系。数值实验证明了其在薛定谔桥问题和电动汽车充电协调等问题上的应用。 AI
影响 引入了一种新颖的平均场博弈计算框架，可能影响优化和协调问题在AI中的应用。
排序理由 该集群包含一篇详细介绍新计算框架及其应用的学术论文。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2605.29371v1 Announce Type: cross Abstract: We study the subclass of potential mean-field games in which the running interaction cost and the terminal target cost are both expressed through reproducing-kernel maximum mean discrepancy (MMD) penalties, and develop a computati…
We study the subclass of potential mean-field games in which the running interaction cost and the terminal target cost are both expressed through reproducing-kernel maximum mean discrepancy (MMD) penalties, and develop a computational framework that exploits this kernel structure…