Reinforcement
Collisions in Multiple Dimensions: Problem Solving
Observational Learning
Reinforcement Schedules
Associative Learning
Collisions in Multiple Dimensions: Introduction
您也可能阅读
通过共同作者、期刊和引用图与本文相关的文章。
Fandi Gou1, Haikuo Du1, Yunze Cai2
1School of Automation and Intelligent Sensing, Shanghai Jiao Tong University, Shanghai, 200240, China.+1
本研究介绍了基于图的安全多代理增强学习 (GS-MARL),以提高多代理系统的安全性和可扩展性. 在通信有限的场景中,GS-MARL提高了性能,比现有方法取得更高的成功率.
科学领域:
背景情况:
研究的目的:
主要方法:
主要成果:
结论: