BriefGPT - AI 论文速递 · 2024-03-04T00:00:00Z

线性可解的 MDP 与线性二次调节器的 Tsallis 熵正则化

📝

内容提要

本文介绍了一种新的Q-learning类型算法，通过使用经过熵正则化的软策略来减少学习零和随机博弈的计算成本，并验证了该算法收敛于纳什平衡并具有更快的加速效果。

🏷️

标签

Q-learning 加速效果 学习零和随机博弈 熵正则化 纳什策略