JIDI强化学习平台

2021-08-24
【本文共130字母，887字】

今天从 RL_china 的公众号看到一个JIDI的强化学习平台。包好许多的强化学习的环境和学习资料。感觉挺棒的，收藏起来，好好学习。

RL_china学习

URL

通过参与者数量和智能体数量将强化学习的问题分为：单方但智能体、多方单智能体、单方多智能体和多方多智能体。

机器学习和深度学习基础–陈旭

程序和机器学习的流程上的区别，程序是已知流程求结果。机器学习是1+X=3求X。

选择模型、训练模型、评估模型

eg:回归和分类

博弈、策略和均衡–张海峰

正则。。博弈矩阵 零和博弈、合作博弈、协同博弈、纳什均衡 社会困境（囚徒困境） 纯策略和混合策略

扩展式博弈和不完美信息 （回合） 轮流做选择 博弈树、不完美边和叶子节点（收益）

马尔科夫博弈 –可重复 理性智能体，最大化收益 行为策略（空间远小于混合策略）

贝叶斯博弈和非完全信息 动态贝叶斯博弈

解决方案 占优策略Best response 帕累托最优、 纳什均衡、两人混合博弈中的纳什均衡是一定存在的。

[RLChina 2021]第13课 多智能体进阶（一） 张崇洁

合作多智能体——-Dec-POMDP RL Dec-POMDP is NEXP RL MARL Challenges

  • Scalability
  • Credit Assignment
  • Uncertainty
  • Heterogeneity 异质性
  • Exploration

RL

Paradigms:

Paradigms

Summary:

Summary

Future：

基于模型的MARL

[RLChina 2021]第13课 多智能体前沿（一） 吴翼—捉迷藏游戏策略和开放问题

Hidden seek RPG 奖励随机化—>Fine tune 寻找各种不同的策略 合作-不合作 –Monster-Hunt 离散 共同抓住才算抓住（类似IGSAIL） –Agar.io 球球大作战2人

[RLChina 2021]创业日 创始人专场

俞扬 决策算法—南栖仙策

offline RL ——-> 数据驱动、0试错、少交互

工控、汽车研发、

王一君-供应链 览众数据CEO

Summary

Summary