两方零和马尔科夫博弈策略梯度算法及收敛性分析

王卓,李永强,冯宇,冯远静

Policy gradient algorithm and its convergence analysis for two-player zero-sum Markov games

Zhuo WANG,Yongqiang LI,Yu FENG,Yuanjing FENG

表 1 不同参数化策略设定下的算法超参数

Tab.1 Algorithm hyperparameters under different parameterized policy settings

参数 $ \lambda $ $ {\alpha _k} $ $\gamma $ $ {k_{\max }} $ $n$ 表格式Softmax 0.3 0.5 1.0 106 1 神经网络 0.1 0.3 1.0 8×106 1