#MARL

マルチエージェント強化学習入門 — 相手も学習する世界でどう最適化するか

複数のエージェントが同時に学習すると、単一エージェントのMDPは成り立たなくなる。非定常性、協調・競争・混合設定、CTDE、信用割当問題、MADDPGとQMIXまでを式と図で整理する。