強化學習（Soft Actor-Critic）

深度分析

DeMP：結合元學習與 SAC 的跨回合欺瞞路徑規劃

研究處理會從歷史軌跡學習的觀察者，提出Repeated Deceptive Path Planning與Deceptive Meta Planning（DeMP）。DeMP結合回合內快速適應與跨回合元更新，主動預測觀察者學習，減緩適應滯後。實驗顯示可持續維持高欺瞞率且路徑成本具競爭力。