arXiv cs.LG· Addison Kalanther, Sanika Bharvirkar, Shankar Sastry, Chinmay Maheshwari·· 7 小时前AI 评分22
NePPO：面向一般和博弈多智能体强化学习的近势函数策略优化
NePPO: Near-Potential Policy Optimization for General-Sum Multi-Agent Reinforcement Learning
AI 导读
研究者提出 NePPO，一种用于混合合作—竞争环境中计算近似纳什均衡的多智能体强化学习流程，通过学习与玩家无关的势函数，使以该势函数为共同效用的合作博弈纳什均衡逼近原博弈的纳什均衡。该方法用零阶梯度下降最小化新提出的 MARL 目标，实验性能优于 IPPO 和 MAPPO 等基线，已被 IEEE CDC 2026 接收。
来源：arXiv cs.LG · arxiv.org