超越预期回报：一种累积分 prospect 理论强化学习的策略梯度算法

BriefGPT - AI 论文速递 · 2024-10-03T00:00:00Z

本研究针对传统期望效用理论与人类偏好不一致的问题，利用累积分前景理论提出新的策略优化方法。文章提出新的策略梯度定理，并开发出无模型的策略梯度算法，有效结合累积分前景理论与强化学习。该算法在交通控制和电力管理等领域表现优异，显示出广泛影响。