Chinese content多智能体强化学习新论文:次模轨迹奖励下的贪心算法与近似保证
一篇理论向的多智能体强化学习论文,用 pre-window curvature 把不可加奖励下的策略优化降到多项式时间,还给出近似保证,做 MARL 的可以看看。
一篇理论向的多智能体强化学习论文,用 pre-window curvature 把不可加奖励下的策略优化降到多项式时间,还给出近似保证,做 MARL 的可以看看。
做在线学习或频谱调度的人看:异构多玩家老虎机最优分配是NP难,贪心就有1/√e近似,可当基线用。