学者研究网络化MARL收敛性并提出熵正则化改进

1. 13:00
   arXiv 机器学习

   网络化平均奖励 MARL 的有限样本收敛：去中心化陷阱与熵正则化改进

   研究针对网络化平均奖励 MARL 展开分析，指出智能体仅依赖 $k$-hop 邻域局部更新时，收敛至全局最优联合策略存在不可能定理。为应对去中心化策略优化仅能收敛到驻点的挑战，研究为采用线性函数逼近的去中心化 actor-critic 算法提供了收敛到近似驻点的有限样本保证。研究进一步证明，引入固定状态熵正则化可重塑优化景观，从而实现更强的全局收敛保证。

Current heat 6·Comparable peak 10（Nov 4 14:00）·Comparable change, last 24 hours–

Trends compare only the same parties observed continuously, so the scope can be narrower than current heat counts. Move the pointer or tap the chart to see hourly heat; use the left and right arrow keys on a keyboard.