value function factorization | BriefGPT

关键词value function factorization

搜索结果 - 7

QFree：多智能体强化学习的通用价值函数因子分解
我们提出了一种 MARL 的通用价值函数分解方法 QFree，它基于优势函数开发了 IGM 原则的数学等价条件，并使用更具表达能力的混合网络结构来满足等价分解。通过在 MARL 算法的策略评估过程中将等价条件作为正则化项开发了一种新型损失函
PDF8 months ago
多智能体强化学习分解分布式值函数的统一框架
提出了一个名为 DFAC 的统一框架，用于将分布式 RL 与值函数分解方法相结合，以对多智能体 RL 问题进行建模和解决。DFAC 能够因子化回报分布，使得它能够在多个基准测试中具有更好的表现。
PDFa year ago
多智能体强化学习中带有反事实预测的助攻价值因子分解算法
本篇论文提出了 PAC 框架，其中包含基于 Assistive 信息和 Counterfactual Predictions 的新颖 counterfactual loss，此框架考虑到局部顺序对表征函数造成的约束并解决了该限制，同时采用基
PDF2 years ago
RACA: 基于关系感知的多智能体深度强化学习中的即时合作信用分配
本研究提出了一种名为 RACA 的新方法，利用基于图形的关系编码器对代理之间的拓扑结构进行编码，并利用基于注意力机制的观测抽象机制，实现了在测试时间的 ad-hoc 合作场景中的零启动通用化。
PDF2 years ago
在多智能体强化学习中利用语义 Epsilon 贪心探索策略
本文提出了一种名为 QMIX (SEG) 的新方法，利用值函数分解方法 QMIX 训练每个 agent 的策略以及新颖的语义 ε 贪心 (SEG) 探索策略。实验证明，SEG 通过在行动的组空间中进行探索，可以更好地促进语义探索，并已经在
PDF2 years ago
ICMLDFAC 框架：通过分位点混合因式分解价值函数的多智能体分布式 Q 学习
本研究提出分布式价值函数分解（DFAC）框架，将分布式 RL 和价值函数分解方法相结合以解决多智能体强化学习环境中不确定性和随机性问题，实验证明 DFAC 可以在含随机回报的博弈任务上优于期望价值函数分解方法。
PDF3 years ago
多智能体强化学习中的图卷积值分解
该论文提出了一种新颖的基于图神经网络的多智能体深度强化学习价值函数分解框架，包括目标团队代理作为一组完整有向图的节点、采用注意机制进行边权重控制、推出混合 GNN 模块用于把团队状态 - 动作价值函数分解为单独智能体的观测 - 动作价值函数
PDF4 years ago