マルコフノイズと異質性下における連合確率近似：強化学習への応用

複数のエージェントが個々のデータやポリシーを共有することなく共同でグローバルモデルを学習する連合強化学習において、エージェント間の連携を最適化することで、従来の集中学習と比較して最大でN倍（Nはエージェント数）高速な学習が可能になる。