曼尼托巴大学|多智能体环境的动态噪声可以提高泛化能力：基于智能体的模型遇到强化学习

【标题】Dynamic Noises of Multi-Agent Environments Can Improve Generalization: Agent-based Models meets Reinforcement Learning

【作者团队】Mohamed Akrout, Amal Feriani & Bob McLeod

【发表日期】2022.3.26

【论文链接】https://arxiv.org/pdf/2204.14076.pdf

【推荐理由】本文研究了基于智能体模型 (ABM) 的强化学习 (RL) 环境的好处。虽然众所周知 ABM 以计算复杂性为代价提供微观基础模拟，但此文在这项工作中凭经验表明，它们的非确定性动力学可以提高 RL 智能体的泛化能力。为此，本文检查了基于微分方程或 ABM 的流行 SIR 环境的控制。数值模拟表明，基于 ABM 的 SIR 模型动力学中的固有噪声不仅提高了平均奖励，而且还允许 RL 智能体在更广泛的流行病参数上进行泛化。