【目的】针对多智能体强化学习过程中样本利用率低、奖励稀疏、收敛速度慢等问题,提出了一种基于后验经验 回放的算法。...
成仿吾，无产阶级革命家、忠诚的共产主义战士... 详细>>
如何设计有效的环境治理政策, 是学术界和政策... 详细>>
