A10 · 第 5 章 · 课程规划页
基于模型、离线与多智能体强化学习
本章研究基于模型、离线与多智能体强化学习。内容依次处理环境模型学习、规划与模型偏差、离线数据支持集和分布外动作、多智能体信用分配与非平稳性。
- 所在 Part
- 第三编 高级强化学习与综合复习
- 预计学习
- 40 分钟
- 建设状态
- 已规划，尚无正式正文
计划实验
本章未登记独立交互实验；定义、公式和例题仍按下列提纲规划。
LEARNING OBJECTIVES
完成本章后应能
- 01准确说明环境模型学习、规划与模型偏差。
- 02完成离线数据支持集和分布外动作所需的推导、证明或算法。
- 03使用计算、例题或反例检验多智能体信用分配与非平稳性。
PLANNED SECTIONS
计划章节结构
- 01
环境模型学习、规划与模型偏差
界定环境模型学习、规划与模型偏差，明确使用的条件、主要结论与可复核步骤。
- 02
离线数据支持集和分布外动作
推导离线数据支持集和分布外动作，明确使用的条件、主要结论与可复核步骤。
- 03
多智能体信用分配与非平稳性
检验多智能体信用分配与非平稳性，明确使用的条件、主要结论与可复核步骤。
计划定义
环境模型学习、规划与模型偏差：对象、记号与前提
围绕环境模型学习、规划与模型偏差列出主要对象、符号、前提与定义边界。
计划公式
离线数据支持集和分布外动作：关系、判据与可复核步骤
把离线数据支持集和分布外动作整理为可检查的关系、判据或算法步骤；涉及定量模型时写出公式，并说明符号、适用条件，以及需要时的单位或复杂度。
计划例题
多智能体信用分配与非平稳性：案例、反例与核验
围绕多智能体信用分配与非平稳性给出明确输入、前提或数据，逐步分析并用反例、误差、守恒量或边界条件复核。
计划练习
基于模型、离线与多智能体强化学习：定义、关系与边界综合练习
联结环境模型学习、规划与模型偏差、离线数据支持集和分布外动作与多智能体信用分配与非平稳性，分别检验定义辨析、主要步骤和适用边界。
关键词
基于模型、离线、多智能体强化学习、第三编 高级强化学习与综合复习、强化学习