本研究提出了一种基于累积分前景理论的新策略梯度算法，旨在解决传统期望效用理论与人类偏好的不一致问题。该算法在交通控制和电力管理等领域表现优异，展示了广泛的应用潜力。

Beyond Expected Returns: A Policy Gradient Algorithm for Cumulative Prospect Theoretic Reinforcement Learning
BriefGPT - AI 论文速递
BriefGPT - AI 论文速递 ·
👤 个人中心
在公众号发送验证码完成验证