Повышение эффективности политики в области сетевого обучения с использованием различных агентских средств на постоянной основе
arXiv: 2607.185554v2 Тип уведомления: заменить перекрестное резюме: для изучения местной политики в отношении систем непрерывной сети требуется учет последствий решений, принимаемых вне района наблюдения каждого агента. Пространственное разложение ограничивает эти последствия, однако ограниченный критик должен также контролировать репрезентативность и ошибки оценки на протяжении всего процесса оптимизации политики. Мы анализируем алгоритм Непрерывной Распределённая Пара Политики Градиент (CDCPG) с использованием местных случайных особенностей Fourier и критиков временны́х различий наименьших квадратов. Для элементов, сохраняющих пограничный вход, требуемый местной динамикой, мы получаем представление о стоимости действия с отдельными пространственными и конечными остаточными элементами. Глобальная комплексная очертания переходного периода и прогнозируемая погрешность в деле контроля за демографическим предсказанием без обратного мультипликатора. Затем мы подсчитаем зависимость критической оценки от возбуждения и измерения характеристик, а также построим одновременные более низкие пределы доверия для темпы.
