.png){kind=icon}
返回
Opponent aware reinforcement learning
.png){kind=icon}
OA
AI
DOI：10.1016/j.ejor.2026.08.031.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 引入受威胁的MDPs以支持面对对手的RL智能体。
• 将3个对手建模原理整合到单智能体视角的Q-learning中。
• 提出一种具有线性-k时间和空间复杂度的level-k思考方案。
• 通过压缩映射证明增强型Q-learning规则的收敛性。
• 实验证明在安全RL基准测试中对对手误指定具有鲁棒性。
Keyword:
Artificial intelligence
Multi-agent reinforcement learning
Game theory
Level-k thinking
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
6
论文数:
2.2W
被引数:
6.4W
查看更多机构
.png){kind=icon}
