Coordinated Proximal Policy Optimization (CoPPO) 2111.04051 摘要: 提出了CoPPO。关键想法是,在对不同智能体进行策略更新时,对步长进行coordinated adaptation。证明了策略提升的单调性。基于一些近似,推导出了简化的优化目标。这样的一个优化目标,会实现智能体之间的
专注分享技术,共同学习,共同进步。侵权联系[81616952@qq.com]
Copyright (C)ICode9.com, All Rights Reserved.
ICode9版权所有