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

BriefGPT - AI 论文速递 · 2024-03-07T00:00:00Z

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。