带学习的均场博弈的熵正则化

熵正则化被广泛应用于提高强化学习中算法的效率、稳定性和收敛性。本文从定量和定性两个方面分析了熵正则化对有限时间范围内的学习均场博弈（MFG）的影响。我们的研究提供了理论依据，证明熵正则化能够生成时间依赖的策略，并进一步帮助稳定和加速收敛到博弈均衡。此外，本研究提出了一种结合探索的均场博弈策略梯度算法。借助该算法，智能体能够学习到最佳探索调度，并以稳定且快速的方式收敛到博弈均衡。