实体
Mean field games
Mean field games
PulseAugur coverage of Mean field games — every cluster mentioning Mean field games across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
引入风险规避型多群体均值场博弈新框架
本文介绍了一种新的风险规避型多群体均值场博弈框架，旨在模拟大规模异构多智能体系统。该方法通过在模糊集上优化最坏情况下的预期回报来考虑其他群体行为中的不确定性。作者们建立了新型风险规避均衡的存在性，并提出了一种基于风险规避型虚构博弈法的学习方案，通过数值实验证明了其收敛性。
-
新框架学习博弈中隐藏的利他主义和成本水平
研究人员为混合个体均场博弈（MFGs）开发了一个新的逆向学习框架。该框架旨在从大量相互作用群体的嘈杂观测中恢复不可观察的参数，如利他主义和劳动成本水平。该方法通过实验得到证明，显示出其在理解潜在偏好结构和指导政策设计方面的潜力。
-
新AI方法应对不完美信息游戏
研究人员正在开发新的方法来应对具有不完美信息（imperfect information）的复杂游戏。一篇论文介绍了循环结构策略梯度（Recurrent Structural Policy Gradient, RSPG），这是一种用于部分可观察平均场博弈（partially observable mean field games）的新颖方法，其收敛速度比现有方法更快。另一项研究重新评估了策略梯度方法，发现像PPO这样更简单的算法可以与…