强化学习论文阅读

扰动下能量目标列车时刻表重调度问题的深度强化学习方法。A Deep Reinforcement Learning Approach for the Energy-Aimed Train Timetab

【MAAC，MARL注意力机制】多智能体强化学习的Actor-Attention-Critic算法 MAAC Actor-Attention-Critic for Multi-Agent Reinfo

【应用、注意力机制MARL】基于多智能体强化学习的微电网分布式能源交易与调度 Distributed Energy Trading and Scheduling Among Microgrids vi

【单智能体应用、分配算法、基于Q-learning】基于强化学习的电动汽车充电站收益最大化算法 Reinforcement Learning Based Algorithm for the Maxim

【应用】针对智能电网充电站最佳能量调度策略的多步多智能体强化学习 Multistep Multiagent Reinforcement Learning for Optimal Energy Sche

针对PV/ess的电动汽车充电站协同管理:一种多智能体深度强化学习方法 Cooperative Management for PV/ESS-Enabled Electric Vehicle Charg

Independent Actor-Critic：缺乏信息时很难学到协调策略，也难以评估单个agent action在整体中的奖励。在agent之间共享参数：只学习一个演员和一个评论家，它们被所有ag

基于多智能体强化学习的自动公交车队控制 Autonomous Bus Fleet Control Using Multiagent Reinforcement Learning 介绍 存在噪声：因为随

分布式多智能体深度强化学习在多线动态公交时刻表优化中的应用 Distributed Multiagent Deep Reinforcement Learning for Multiline Dynam

基于强化学习的多智能体系统调度 Scheduling in Multiagent Systems Using Reinforcement Learning 摘要 提出了一种新方法，新方法基于构建奖励函

针对深度多智能体强化学习的稳定经验回放（Experience replay） 摘要： 因为独立Q-learing引入的不稳定性（nonstationary）使其与深度Q-learning所依赖的exp

利用反向传播解决多智能体通信 介绍 存在的问题 在现实世界中，每个参与者的能力和对世界的可见性都有限 虽然控制每个代理的模型通常是通过强化学习来学习的，但通信的规范和格式通常是预先确定的（每个时间步交

针对混合合作竞争环境下的多智能体演员-评论家网络 摘要： Q-learning受到环境non-stationarity的影响，策略梯度则受到随着智能体数量增加而增加。 本文提出： 一种适应演员-评论家