跳到主要内容
检索

# 分阶段V学习

1 篇关联报道

订阅更新
  1. arXiv

    智能体只看总需求也能学均衡:十产消者微网里单边偏差间隙为0.332

    在奖励只取决于自身动作与他人动作总量的马尔可夫博弈中,一种新的去中心化学习算法让每个智能体利用广播的总量反馈评估所有候选动作的即时收益,并用历史总量预测下一步损失,而无需观察对手的个体动作或状态转移核。算法给出依赖预测误差的高概率遗憾界,并保持标准最坏情况阶;在含随机可再生能源与共享储能的十产消者微网中,其最终单边偏差间隙为0.332,低于三种学习基线,且用户收益与可再生利用率保持良好。

已读完全部报道