epsilon-greedy Q-learning

Equilibrium stability drives cooperation in Q-learning algorithms

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。