现代博弈论与多智能体强化学习系统

如今，大多数人工智能（AI）系统都是基于处理任务的单个代理，或者在对抗模型的情况下，是一些相互竞争以改善系统整体行为的代理。然而，现实世界中的许多认知问题是大群人建立的知识的结果。以自动驾驶汽车场景为例，任何座席的决策都是场景中许多其他座席行为的结果。金融市场或经济中的许多情景也是大型实体之间协调行动的结果。我们如何模仿人工智能（AI）代理中的行为？ 多智能体强化学习（MARL）是深度学习学科，侧

>>阅读原文<<