09:10
官方账号arXiv cs.LG@Usman Haider, Karl Mason
推荐理由：这篇论文提出了一种简单的联邦强化学习聚合方法，在微电网场景下比FedAvg更安全高效，能同时提升奖励和降低违规。
联邦强化学习
共 1 条相关 AI 资讯
7月15日
09:10
该论文提出约束感知聚合方法，用于联邦强化学习中的分布式能源协调。与标准FedAvg不同，惩罚基聚合规则(w_i ∝ R_i - αV_i)在DairyGridEnv基准上实现奖励与安全性的可靠权衡。使用芬兰和德国FIELD数据集评估，惩罚基聚合显著减少约束违规并提高奖励。