基于強(qiáng)化學(xué)習(xí)的雙人博弈差分隱私保護(hù)研究

打開(kāi)文本圖片集

摘要：針對(duì)雙人博弈問(wèn)題，在學(xué)習(xí)Q-learning算法的基礎(chǔ)上，利用神經(jīng)網(wǎng)絡(luò)參數(shù)逼近的方式更新?tīng)顟B(tài)值函數(shù)，選取自適應(yīng)梯度優(yōu)化算法進(jìn)行參數(shù)更新，并通過(guò)納什均衡思想調(diào)節(jié)兩個(gè)智能體的行為。同時(shí)為提高模型的保護(hù)效果，對(duì)結(jié)果添加差分隱私保護(hù)，保證智能體博弈過(guò)程中數(shù)據(jù)的安全性。最后，實(shí)驗(yàn)結(jié)果驗(yàn)證了算法的可用性，其能夠訓(xùn)練兩個(gè)智能體在多回合之后穩(wěn)定抵達(dá)各自目標(biāo)點(diǎn)。（剩余11003字）