多目标强化学习研究

1. 00:52
   arXiv · cs.RO

   多目标强化学习中的路由集成与轨迹归因方法

   研究提出目标冲突系数量化多目标强化学习中的效率损失，设计路由集成策略提升在线环境平均性能4.3%，基于核的轨迹归因方法使奖励提升27%。

趋势仅比较持续完整观测到的相同主体，范围可能小于当前热度统计。移动指针或点击图表查看每小时热度；键盘可用左右方向键切换。