多智能体强化学习与遗传策略共享
Multi-Agent Reinforcement Learning and Genetic Policy Sharing
Clark University（克拉克大学）
摘要：
在多智能体动力系统中，智能体之间的策略共享的影响还没有得到广泛的研究。我模拟了一个使用强化学习优化同一任务的代理系统，以研究不同人口密度和策略共享的影响。我证明了共享政策减少了达到渐近行为的时间，并导致改进的渐近行为。
英文摘要：
The effects of policy sharing between agents in a multi-agent dynamical system has not been studied extensively. I simulate a system of agents optimizing the same task using reinforcement learning, to study the effects of different population densities and policy sharing. I demonstrate that sharing policies decreases the time to reach asymptotic behavior, and results in improved asymptotic behavior.
机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。
