Knowledge Commons of Institute of Automation,CAS
Empirical Policy Optimization for n-Player Markov Games | |
Yuanheng Zhu; Weifan Li; Mengchen Zhao; Jianye Hao; Dongbin Zhao | |
发表期刊 | IEEE Transactions on Cybernetics |
2022 | |
页码 | doi={10.1109/TCYB.2022.3179775} |
摘要 | In single-agent Markov decision processes, an agent |
七大方向——子方向分类 | 机器博弈 |
国重实验室规划方向分类 | 开放博弈基础理论 |
是否有论文关联数据集需要存交 | 否 |
文献类型 | 期刊论文 |
条目标识符 | http://ir.ia.ac.cn/handle/173211/51532 |
专题 | 多模态人工智能系统全国重点实验室_深度强化学习 |
推荐引用方式 GB/T 7714 | Yuanheng Zhu,Weifan Li,Mengchen Zhao,et al. Empirical Policy Optimization for n-Player Markov Games[J]. IEEE Transactions on Cybernetics,2022:doi={10.1109/TCYB.2022.3179775}. |
APA | Yuanheng Zhu,Weifan Li,Mengchen Zhao,Jianye Hao,&Dongbin Zhao.(2022).Empirical Policy Optimization for n-Player Markov Games.IEEE Transactions on Cybernetics,doi={10.1109/TCYB.2022.3179775}. |
MLA | Yuanheng Zhu,et al."Empirical Policy Optimization for n-Player Markov Games".IEEE Transactions on Cybernetics (2022):doi={10.1109/TCYB.2022.3179775}. |
条目包含的文件 | 下载所有文件 | |||||
文件名称/大小 | 文献类型 | 版本类型 | 开放类型 | 使用许可 | ||
Empirical_Policy_Opt(1739KB) | 期刊论文 | 作者接受稿 | 开放获取 | CC BY-NC-SA | 浏览 下载 |
除非特别说明,本系统中所有内容都受版权保护,并保留所有权利。
修改评论