Безопасное обучение агентов в реальном времени: новый подход
![Предложенная схема обучения с подкреплением CT-MARL, основанная на эпиграфах, объединяет внешнюю оптимизацию для достижения баланса между суммарной дисконтированной стоимостью и ограничениями безопасности с внутренней оптимизацией, одновременно обучающей сети оценки возвратов [latex]V^{\text{ret}}\_{\psi}(x)[/latex] и сети оценки ограничений [latex]V^{\text{cons}}\_{\phi}(x)[/latex] в сочетании с оптимальным вспомогательным состоянием [latex]z^{\*}[/latex], что позволяет улучшать политики на основе функции преимущества.](https://arxiv.org/html/2602.17078v1/x1.png)
Исследователи предлагают инновационную методику для обучения взаимодействующих агентов в непрерывном времени, гарантирующую соблюдение ограничений безопасности.
Наука
Непрерывное обучение с учетом неопределенностей: новый подход к управлению сложными системами
В статье представлен инновационный метод непрерывного обучения, сочетающий обучение с подкреплением и модель-ориентированное управление, позволяющий повысить надежность управления сложными системами в условиях множественных неопределенностей.
Борьба за рынок: Оптимизация размещения предприятий в условиях конкуренции
В новой работе исследуется динамическое планирование размещения предприятий с учетом накопительного спроса и конкурентной борьбы, позволяющее добиться значительного преимущества на рынке.
Управление стохастическими интегральными уравнениями: новый подход
В статье представлен комплексный метод решения задач оптимального управления стохастическими интегральными уравнениями Вольтерра с монотонными ядрами.
Локальность в кооперативных агентах: новый взгляд на масштабируемость
В статье представлена теоретическая база для понимания и обеспечения локальности в системах многоагентного обучения с подкреплением, что позволяет создавать масштабируемые решения даже в условиях высокой связанности агентов.