遅延報酬を持つゲームにおける無勾配オンライン学習【JST・京大機械翻訳】

Heliou Amelie; Mertikopoulos Panayotis; Zhou Zhengyuan

プレプリント

J-GLOBAL ID：202202214607766821 整理番号：22P0161252

遅延報酬を持つゲームにおける無勾配オンライン学習【JST・京大機械翻訳】

Gradient-free Online Learning in Games with Delayed Rewards

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年06月18日プレプリントサーバーでの情報更新日： 2020年06月18日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

オンライン広告と推薦システムへの応用によって動機づけられて,著者らは遅れた報酬と非同期,支払いベースのフィードバックを有するゲーム理論モデルを考察した。遅延マルチアームバンドに関する以前の研究とは対照的に,著者らは連続行動空間を有する多層ゲームに焦点を当て,著者らは,非登録学習ポリシーに従う戦略的エージェントの長期的挙動を調査した(しかし,そうでなければ,ゲームが演じる,それらの相手の目的など)。情報の一貫したストリームの欠如(例えば,報酬は先験的非有界遅延など)の欠落を説明するために,著者らは,支払い情報が到着するので,優先待ち行列に支払う勾配フリー学習ポリシーを導入した。この一般的な文脈において,エージェントのレグレットに対する新しい限界を導いた。さらに,標準対角凹凸仮定の下で,著者らは,作用の選択と対応する報酬の受信の間の遅延が非有界であっても,確率1のNash均衡に収束することを示した。【JST・京大機械翻訳】

, , , , , ,
, , , , , 【Automatic Indexing@JST】

人工知能 , ゲーム理論

, , , ,

前のページに戻る