多智能体元梯度强化学习的自适应激励设计
总结：
提出了一种基于元梯度的多智能体强化学习自适应奖励机制，解决了较为复杂的多智能体强化学习下的奖励机制问题，最终证明该方法可以收敛至已知的全局最优解。
环境：
- Escape room、Cleanup
具体实现过程：
- 本质上是解决双层优化问题
在理想情况下一般处理过程是先固定激励函数的参数，然后先求解策略参数，最后用更新后的策略得到的样本来更新激励函数参数，但是这样的过程对样本数量要求较高，效率低。于是提出了元梯度方法，主要是基于在线交叉验证，不等智能体完全收敛而是直接使用过程轨迹更新激励函数的参数 - 策略参数更新
- 算法伪代码
