静态与时变网络上的方差缩减Q学习

Sreejeet Maity, Feng Zhu, Aritra Mitra, Robert W. Heath

摘要

本文提出了一种名为VRDQ的基于epoch的分布式Q学习算法，用于多智能体在静态和时变网络上协作学习最优状态-动作价值函数。该算法通过共识协议扩散信息，实现了线性加速，且仅需对数级别的通信成本。

decentralized reinforcement learningQ-learningvariance reductionconsensus protocoltime-varying networks

LEARNING

📊 8,465 引用

D. O. Hebb

2005

LEARNING

📊 7,678 引用

Benoît B. Mandelbrot, John W. Van Ness

1968

LEARNING

开放获取📊 7,484 引用

Laith Alzubaidi, Jinglan Zhang, Amjad J. Humaidi 等 10 位作者

2021

LEARNING

📊 4,608 引用

Andre Esteva, Alexandre Robicquet, Bharath Ramsundar 等 10 位作者

2018