arXiv · ML· Yizhou Zhang, Yashaswini Murthy, Laixi Shi, Adam Vierman·· 3 小时前AI 评分23
网络型平均奖励 MARL 中的有限样本收敛：去中心化陷阱与熵补救
Finite-Sample Convergence in Networked Average Reward MARL: Decentralization Pitfalls and Entropy Remedies
AI 导读
该研究证明网络型平均奖励 MARL 中，去中心化学习仅能保证收敛至近似驻点，无法达到全局最优联合策略。 在局部信息受限与多代理独立优化的挑战下，基于线性函数近似的去中心化 actor-critic 算法可获得有限样本收敛保证。 引入固定状态熵正则化可重塑目标函数景观，从而提供更强的全局收敛保证。
来源：arXiv · ML · arxiv.org