研究者提出NePPO多智能体强化学习算法

Addison Kalanther等研究者提出 NePPO（近势函数策略优化），一种用于混合合作—竞争环境的多智能体强化学习流程，目标是计算近似纳什均衡。其思路是学习一个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的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。作者称实验性能优于 IPPO 和 MAPPO 等基线，论文已被 IEEE CDC 2026 接收。

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。