多时间尺度集成 Q-learning 用于马尔科夫决策过程策略优化
原文中文，约400字，阅读约需1分钟。
📝
内容提要
该论文研究了一种分布式强化学习方法，用于实现多智能体马尔可夫决策过程中的网络目标。通过稀疏通信网络上的局部处理和信息交流，实现了代理协作。该分布式方案在几乎确定的情况下，逐渐实现了各个网络层面上的期望值函数和最优静止控制策略。
🏷️
