凸马尔可夫博弈：多智能体学习中的公平性、模仿和创造性框架

BriefGPT - AI 论文速递 · 2024-10-22T00:00:00Z

本文研究了策略梯度方法在多智能体强化学习中的收敛性，提出了一种新的独立策略梯度算法，证明其达到epsilon-Nash平衡的复杂度为O(1/epsilon^2)，样本复杂度界限为O(1/epsilon^5)。实验验证了理论结果的有效性。