摘要： 学习日志-2021.10.04 博弈论与多智能体强化学习（续） 文献阅读： 学习自动机强化方案 学习自动机是相对简单的策略迭代器，在动作集a上保持向量动作概率p。这些概率根据从环境接收到的反馈进行更新。 这种方案最初的研究主要集中在n-臂赌博机（n-armed bandit）环境中的单个自动机。 最 阅读全文