BriefGPT - AI 论文速递
·
RL-CFR: 在具有强化学习的不完全信息扩展形式博弈中改进动作抽象
💡
原文中文，约200字，阅读约需1分钟。
📝
内容提要
本文介绍了一种名为本地无后悔学习（LONR）的算法，它使用类似于Q学习的更新规则，可以在没有输入状态或完美回忆的情况下进行学习。实验证明，LONR算法在MDPs和有限扩展中具有收敛性，并在许多情况下实现了最后迭代的收敛。特别是在NoSDE游戏这类的Markov游戏中表现出色。
🎯
关键要点
-
介绍了一种名为本地无后悔学习（LONR）的算法。
-
LONR算法使用类似于Q学习的更新规则。
-
该算法允许在没有输入状态或完美回忆的情况下进行学习。
-
实验证明LONR算法在MDPs和有限扩展中具有收敛性。
-
LONR算法在许多情况下实现了最后迭代的收敛。
-
特别是在NoSDE游戏这类的Markov游戏中表现出色。
➡️
