提出一种k步策略梯度方法以解决受限策略类MDP中的短视局部最优问题,理论证明该方法能收敛至与步长k呈指数级接近最优确定性策略的解,适用于状态聚合与部分可观测多智能体等场景。
机构:CMU
来源:arXiv 2605.10909 | AI4Papers 论文推荐平台