对手感知的强化学习
机器学习
2019-08-27 v2 机器学习
摘要
我们引入威胁马尔可夫决策过程（TMDPs）作为经典马尔可夫决策过程框架在强化学习（RL）中的扩展。TMDPs支持在RL背景下使决策制定者应对潜在对手。我们还提出一种level-k思维方案，由此产生一种处理TMDPs的新型学习方法。在介绍我们的框架并推导理论结果后，通过大量实验给出了相关的经验证据，展示了在智能体学习时考虑对手所带来的益处。
引用
@article{arxiv.1908.08773,
title = {Opponent Aware Reinforcement Learning},
author = {Victor Gallego and Roi Naveiro and David Rios Insua and David Gomez-Ullate Oteiza},
journal= {arXiv preprint arXiv:1908.08773},
year = {2019}
}
备注
Substantially extends the previous work: https://www.aaai.org/ojs/index.php/AAAI/article/view/5106. This article draws heavily from arXiv arXiv:1809.01560