深度强化学习

论文用actor–critic强化学习刻画经济主体如何在不知道完整环境规律时学习消费—储蓄决策。智能体通过探索行动获得奖励，把经历写入记忆并持续更新对世界的主观认识，再据此调整策略。随机最优增长模型中的实验表明，该机制能适应潜在随机过程的变化；不同探索程度会形成不同经验、学习路径和福利结果，为动态经济决策提供了区别于完全理性求解的适应性学习模型。

该文聚焦强化学习与经济决策求解，重点考察智能体如何通过环境交互学习个体决策、市场均衡或政策规则。相关研究脉络指出：在强化学习方向，TaxAI以Bewley-Aiyagari不完全市场模型为基础，建模家庭、企业、金融中介和政府四类主体，以美国数据校准，支持万级家庭规模的动态交互，相关细节见原文。本综述将其作为AI经济主体与决策求解文献收录；主要结论和适用边界应以英文摘要及原始研究设计为准。

该文聚焦强化学习与经济决策求解，重点考察智能体如何通过环境交互学习个体决策、市场均衡或政策规则。在RBC模型中将决策维度扩展到劳动供给、投资和债券持仓，发现高维动作空间下收敛过程不再单调，主体可能停留在次优状态并形成“学习陷阱”。本综述将其作为AI经济主体与决策求解文献收录；主要结论和适用边界应以英文摘要及原始研究设计为准。

该文聚焦强化学习与经济决策求解，重点考察智能体如何通过环境交互学习个体决策、市场均衡或政策规则。相关研究脉络指出：和分别在消费储蓄模型和Aiyagari类不完全市场框架中发现，神经网络逼近误差和个体经历差异会系统性影响策略选择，并生成边际消费倾向异质性和学习陷阱等具有经济含义的行为模式。本综述将其作为AI经济主体与决策求解文献收录；主要结论和适用边界应以英文摘要及原始研究设计为准。

该文聚焦强化学习与经济决策求解，重点考察智能体如何通过环境交互学习个体决策、市场均衡或政策规则。针对训练稳定性，在包含百名异质劳动者、十家企业和一名规划者的RBC模型中发现，标准独立多智能体强化学习未能获得具有经济意义的策略；其结构化课程学习方案改善了训练结果，相关细节见原文。本综述将其作为AI经济主体与决策求解文献收录；主要结论和适用边界应以英文摘要及原始研究设计为准。

该文聚焦强化学习与经济决策求解，重点考察智能体如何通过环境交互学习个体决策、市场均衡或政策规则。将AIEconomist推进到由真实数据驱动的政策设计场景，增强了环境设定与现实经济的联系。本综述将其作为AI经济主体与决策求解文献收录；主要结论和适用边界应以英文摘要及原始研究设计为准。

该文聚焦强化学习与经济决策求解，重点考察智能体如何通过环境交互学习个体决策、市场均衡或政策规则。考察货币供给规则发生制度切换时家庭的适应过程，发现主体不会像理性预期假设那样瞬间跳到新均衡，而是需要积累多期经验后逐步调整，过渡期伴随暂时性波动。本综述将其作为AI经济主体与决策求解文献收录；主要结论和适用边界应以英文摘要及原始研究设计为准。

该文聚焦强化学习与经济决策求解，重点考察智能体如何通过环境交互学习个体决策、市场均衡或政策规则。将问题推进到含货币摩擦的模型，发现深度强化学习虽仍可逼近传统政策函数，但学习效率和稳定性开始显著依赖状态表示和奖励设定。本综述将其作为AI经济主体与决策求解文献收录；主要结论和适用边界应以英文摘要及原始研究设计为准。

该文聚焦强化学习与经济决策求解，重点考察智能体如何通过环境交互学习个体决策、市场均衡或政策规则。在DMP搜索匹配模型中将企业招聘决策交由深度强化学习智能体学习，发现学习型企业比理性基准产生更高的失业和空缺波动、更慢的冲击后调整，相关细节见原文。本综述将其作为AI经济主体与决策求解文献收录；主要结论和适用边界应以英文摘要及原始研究设计为准。

该文聚焦强化学习与经济决策求解，重点考察智能体如何通过环境交互学习个体决策、市场均衡或政策规则。针对计算效率，使用JAX重写AIEconomist的仿真与训练流程，并借助GPU加速，在其实验设置下将百人规模的训练时间由数天缩短至15分钟以内。本综述将其作为AI经济主体与决策求解文献收录；主要结论和适用边界应以英文摘要及原始研究设计为准。

该文聚焦强化学习与经济决策求解，重点考察智能体如何通过环境交互学习个体决策、市场均衡或政策规则。使用策略空间响应预言机等经验博弈论方法评估学习型ABM的均衡质量，为检验多智能体学习结果的经济合理性提供了系统工具。本综述将其作为AI经济主体与决策求解文献收录；主要结论和适用边界应以英文摘要及原始研究设计为准。

该文聚焦强化学习与经济决策求解，重点考察智能体如何通过环境交互学习个体决策、市场均衡或政策规则。相关研究脉络指出：另一类方法使用深度强化学习，将主体跨期决策表示为序贯决策问题，通过模拟训练策略，并与价格或总体状态迭代求取均衡。本综述将其作为经济决策建模演进文献收录；主要结论和适用边界应以英文摘要及原始研究设计为准。

该文聚焦强化学习与经济决策求解，重点考察智能体如何通过环境交互学习个体决策、市场均衡或政策规则。则不再预设社会福利函数，而是用强化学习训练机制设计者最大化虚拟投票中的多数支持。本综述将其作为AI经济主体与决策求解文献收录；主要结论和适用边界应以英文摘要及原始研究设计为准。

该文聚焦强化学习与经济决策求解，重点考察智能体如何通过环境交互学习个体决策、市场均衡或政策规则。深度函数逼近进一步提高了高维状态和连续动作问题的可处理性，但也带来收敛稳定性和可解释性方面的挑战。本综述将其作为AI经济主体与决策求解文献收录；主要结论和适用边界应以英文摘要及原始研究设计为准。

该文聚焦强化学习与经济决策求解，重点考察智能体如何通过环境交互学习个体决策、市场均衡或政策规则。相关研究脉络指出：经典动态规划通常基于明确给定的转移与回报结构求解最优决策；无模型RL则通过环境交互，直接从样本中估计价值或优化策略，而无须预先掌握完整的状态转移模型。本综述将其作为AI经济主体与决策求解文献收录；因来源未提供完整摘要，导读仅依据正文引用语境和书目信息。

该文聚焦强化学习与经济决策求解，重点考察智能体如何通过环境交互学习个体决策、市场均衡或政策规则。RL在经济学中的早期应用以表格型方法为主，将RL用作人类学习行为的描述模型，发现简单试错学习规则在预测人类决策时可优于均衡理论。本综述将其作为AI经济主体与决策求解文献收录；主要结论和适用边界应以英文摘要及原始研究设计为准。

该文聚焦强化学习与经济决策求解，重点考察智能体如何通过环境交互学习个体决策、市场均衡或政策规则。相关研究脉络指出：和分别在消费储蓄模型和Aiyagari类不完全市场框架中发现，神经网络逼近误差和个体经历差异会系统性影响策略选择，并生成边际消费倾向异质性和学习陷阱等具有经济含义的行为模式。本综述将其作为AI经济主体与决策求解文献收录；主要结论和适用边界应以英文摘要及原始研究设计为准。

该文聚焦强化学习与经济决策求解，重点考察智能体如何通过环境交互学习个体决策、市场均衡或政策规则。在大规模主体问题中，均值场方法以群体分布概括主体间的相互作用，并可与强化学习结合，联合更新个体策略与群体分布，从而提高均衡求解的可扩展性。本综述将其作为经济决策建模演进文献收录；主要结论和适用边界应以英文摘要及原始研究设计为准。

该文聚焦强化学习与经济决策求解，重点考察智能体如何通过环境交互学习个体决策、市场均衡或政策规则。相关研究脉络指出：经典动态规划通常基于明确给定的转移与回报结构求解最优决策；无模型RL则通过环境交互，直接从样本中估计价值或优化策略，而无须预先掌握完整的状态转移模型。本综述将其作为AI经济主体与决策求解文献收录；因来源未提供完整摘要，导读仅依据正文引用语境和书目信息。

该文聚焦强化学习与经济决策求解，重点考察智能体如何通过环境交互学习个体决策、市场均衡或政策规则。相关研究脉络指出：在经典宏观智能体模型CC-MABM基础上构建R-MABM框架，将传统ABM中的预设行为规则替换为约千个强化学习智能体的自主策略，建模消费品、资本品与银行信贷三个市场的交互。本综述将其作为AI经济主体与决策求解文献收录；主要结论和适用边界应以英文摘要及原始研究设计为准。

该文聚焦强化学习与经济决策求解，重点考察智能体如何通过环境交互学习个体决策、市场均衡或政策规则。相关研究脉络指出：另一类方法使用深度强化学习，将主体跨期决策表示为序贯决策问题，通过模拟训练策略，并与价格或总体状态迭代求取均衡。本综述将其作为经济决策建模演进文献收录；主要结论和适用边界应以英文摘要及原始研究设计为准。

该文聚焦强化学习与经济决策求解，重点考察智能体如何通过环境交互学习个体决策、市场均衡或政策规则。相关方法仍可能借助价格、矩或其他低维统计量表示主体分布，因而尚未完全消除高维状态带来的计算约束。本综述将其作为AI经济主体与决策求解文献收录；主要结论和适用边界应以英文摘要及原始研究设计为准。

该文聚焦强化学习与经济决策求解，重点考察智能体如何通过环境交互学习个体决策、市场均衡或政策规则。研究自利学习智能体如何在去中心化社会惩罚机制下形成稳定分工，发现社会惩罚可以重塑激励结构，使主体承担对群体生产不可或缺但个体收益较低的角色。本综述将其作为AI经济主体与决策求解文献收录；主要结论和适用边界应以英文摘要及原始研究设计为准。