面向在线资源分配的策略防伪深度强化学习机制

研究者提出首个面向在线资源分配的策略防伪深度强化学习机制，用单调神经网络学习非线性资源交互，配合广义临界支付保证策略防伪性与个体理性。在含两对合作方、线性规则无法表达的四资源流上，该神经规则达到离线福利上界的 97.8%，线性学习器为 93.8%，先到先得为 89.0%。模仿学习仅用 261 秒即达 97.5%，比强化学习快约 89 倍。