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

原文中文，约300字，阅读约需1分钟。发表于：。

本研究针对传统期望效用理论在心理学和行为经济学中与人类偏好不一致的问题，采用累积分 prospect 理论提出了一种新的策略优化方法。文章提出了一种新的策略梯度定理，帮助开发出一种无模型的策略梯度算法，能够在更大状态空间中有效解决累积分 prospect 理论与强化学习相结合的问题。该算法在交通控制和电力管理等实际应用中表现出色，展现了其潜在的广泛影响。

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。