首个防策略操纵的深度强化学习在线资源分配机制

首个面向在线资源分配的防策略操纵（strategyproof）深度强化学习机制被提出，由单调神经网络、广义关键支付以及 RL 或模仿现有规则两种训练方式组成。在四资源流测试中，该神经规则达到离线福利上界的 97.8%，高于线性学习器的 93.8% 和先到先服务的 89.0%。模仿训练仅用 261 秒即达到 97.5%，比 RL 快约 89 倍。

标题与摘要由 AI 辅助生成，事实与观点以原文为准。