论文提出用策略评估对称性刻画多智能体异质性

Jianhong Wang 与 Jonathan Lawry 在 arXiv 发布论文，在有限时域 POSG 中定义策略评估对称性：若一个类型兼容变换与所有分散式行为策略的完整策略评估可交换，则称其为对称性，并用变换群及其智能体轨道刻画不依赖具体策略和初始状态分布的结构智能体类型。 将该框架应用于合作型 Dec-POMDP 时，作者推导了加权奖励聚合的精确价值恒等式及模型分解产生策略评估对称性的充分条件，并说明共享相同奖励的智能体也可能属于不同结构类型。研究还指出这种对称性与最优 Boltzmann 策略集之间一般既不相互蕴含也不可相互推出。

AI 根据报道生成 · 2 小时前更新

还没有足够的连续观测数据，暂不绘制趋势。