arXiv · AI· Fariba Dehghan, Sebastian Stein, Vahid Yazdanpanah, Stephanie Gauthier·· 5 小时前AI 评分34
首个策略不变深度强化学习在线资源分配机制
Strategyproof Deep Reinforcement Learning for Online Resource Allocation
AI 导读
该研究提出首个策略不变深度强化学习机制，通过单调神经网络和广义临界支付确保激励相容，在线资源分配中实现 97.8% 的离线福利上界比例。 线性规则仅达 93.8%，而该机制关闭了 65% 至 80% 的剩余最优性差距；使用模仿学习训练仅需 261 秒，速度比强化学习快 89 倍，显著提升了训练效率。 该机制解决了现有策略不变强化学习因线性分配规则导致的表达能力限制及近似激励保证问题。
来源：arXiv · AI · arxiv.org