Transport REINFORCE

新的传输REINFORCE方法增强了均值场控制

研究人员开发了一种用于离散时间均值场控制（MFC）的新型无模型策略梯度方法，称为Transport REINFORCE。该方法解决了MFC中策略同时影响系统动力学和整体种群分布的挑战。Transport REINFORCE通过扰动种群分布来估计其贡献，在标准REINFORCE估计器方面有所改进。该技术适用于有限和连续状态空间，具有一致性和误差界限的理论保证，并在数值实验中显示出积极的结果。