知识卡片

普通读书笔记卡 · 2797.b

WoLF赢慢输快

理解等级:未标注

WoLF 的意思是“赢了慢学、输了快学”:先比较当前策略积累的预期奖励是否高于纳什均衡下的评价值,以判断输赢。WoLF-PHC 设两个学习速率,胜利时用较小的速率,失败时用较大的速率,让失败的智能体更快调整、追上胜利者,从而加速收敛到纳什均衡。

这张卡片看不懂?

已有反馈 · 0 / 10 条

    还没有人提交反馈。

    原书出处

    参考来源

    - 位置:《分布式人工智能:基于TensorFlow、RTOS与群体智能体系》第8章《对抗和群体智能博弈》(源文件:_epub-src/OEBPS/Text/chapter8-2-4.xhtml) - 结论依据:原文说明WoLF(Win or learn fast)判断当前策略累积预期奖励是否大于纳什均衡下的评价值;WoLF-PHC有两个学习速率,胜利用δw,失败用δl,失败速率大于成功,让失败的智能体更快学习、追上胜利者,加速收敛到纳什均衡。 - 原始内容:Win or learn fast指的是在当前策略下,积累的预期奖励值是否大于指定的评价值。……学习速率失败大于成功,这样失败的智能体可以更快进行学习,追上胜利的智能体