We introduce a new mathematical model of multi-agent reinforcement learning, the Multi-Agent Informational Learning Processor "MAILP" model. The model is based on the notion that agents have policies for a certain amount of information, models how this information iteratively evolves and propagates through many agents. This model is very general, and the only meaningful assumption made is that learning for individual agents progressively slows over time.
翻译：我们引入了一个新的多剂强化学习数学模型 — — 多剂信息学习处理器“MAILP ” 模型。该模型基于这样的理念,即代理商对一定数量的信息有政策,这种信息通过许多代理商的迭接演化和传播模式。 这个模型非常笼统,唯一有意义的假设是个体代理商的学习逐渐放缓。
相关内容
《计算机信息》杂志发表高质量的论文，扩大了运筹学和计算的范围，寻求有关理论、方法、实验、系统和应用方面的原创研究论文、新颖的调查和教程论文，以及描述新的和有用的软件工具的论文。官网链接：https://pubsonline.informs.org/journal/ijoc
专知会员服务
40+阅读 · 2020年4月11日
Arxiv
0+阅读 · 2021年4月17日
Arxiv
15+阅读 · 2020年12月15日
相关主题
相关VIP内容
专知会员服务
40+阅读 · 2020年4月11日
相关资讯
相关论文
Arxiv
0+阅读 · 2021年4月17日
Arxiv
15+阅读 · 2020年12月15日
微信扫码咨询专知VIP会员