关键词multiagent deep reinforcement learning
搜索结果 - 4
- SDWN 中基于多智能体深度强化学习的智能组播路由方法
本文提出了一种基于多智能体深度强化学习的新型组播路由方法,该方法应用于软件定义的无线网络环境中,灵活配置网络并获得网络状态信息。使用单跳动作策略和奖励函数解决多智能体合作下的多个子问题,并采用分散式训练方法相结合的迁移学习机制来加速收敛并提 - MM面向成本和时延敏感的虚拟网络功能部署和路由的多智能体深度强化学习
本文提出了一种基于多智能体深度强化学习的有效而新颖的方法,用于解决联合虚拟网络功能(VNF)部署和路由问题,该问题涉及多个不同需求的服务请求同时交付,并通过其延迟和成本敏感因素反映服务请求的不同需求,提出了基于参数移植的模型重新训练方法来处 - AAAI深度强化学习的辅助任务 —— 代理建模
本文探讨了如何将演员 - 评论家(Actor-Critic)方法在深度强化学习中,尤其是异步优势演员评论家(A3C)与代理建模相结合。我们提出了两种体系结构来执行代理建模,旨在学习其他代理的策略作为辅助任务。在协作和竞争领域的实验结果表明, - 随机协同环境中的加权双重深度多智能体强化学习
本文提出了一种名为 WDDQN 的多智能体深度强化学习框架,通过利用加权双估计器和深度神经网络,在具有原始视觉输入的场景下有效地减少偏差,并引入宽以待人的奖励网络和调度重放策略以实现多智能体领域的有效合作,实验证明 WDDQN 在随机合作环