网络型平均奖励 MARL 有限样本收敛论文发布

2026年11月4日，Yizhou Zhang等人在arXiv cs.LG领域提交了一篇关于网络型平均奖励多智能体强化学习（MARL）有限样本收敛的新论文。该研究针对去中心化学习在局部信息受限下的局限性，提出了基于线性函数近似的去中心化actor-critic算法。论文指出，单纯的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，而该算法可提供有限样本收敛保证。进一步地，研究引入了固定状态熵正则化方法，通过重塑目标函数景观，为算法提供了更强的全局收敛保证，解决了多智能体独立优化中的理论难题。

AI 根据报道生成 · 1 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。