基於變分自編碼器的交互式動態影響圖解決方案

本文提出了一種新的基於變分自編碼器的數據驅動方法,用於增強交互式動態影響圖(I-DID)的解決方案。通過將基於困惑度的樹損失函數集成到變分自編碼器的優化算法中,並利用Zig-Zag One-Hot編碼和解碼的優勢,我們可以生成更可能包含其他代理真實行為的潛在行為。這種新方法使主體代理能夠更恰當地應對未知行為,從而提高其決策質量。