单主体决策

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。