D-CORL: A provably distributed causal discovery algorithm via ordering-based reinforcement learning

Yanan Ma

doi:10.1016/j.knosys.2026.116580

D-CORL: A provably distributed causal discovery algorithm via ordering-based reinforcement learning

2026-07-01

0

PRE

AI

DOI：10.1016/j.knosys.2026.116580

原文链接

原文求助

摘要

En 中文

近年来，因果发现受到了广泛关注，其目标是在复杂系统中学习随机变量间的因果结构。然而，现有的分布式因果发现方法可能受限于大规模有向图搜索空间或仅识别马尔可夫等价类（MEC）而非真实的无环有向图（DAG）。为解决这些问题，我们基于基于排序的强化学习（RL）范式，利用马尔可夫边界和增量学习技术，开发了一种分布式因果发现方法，称为D-CORL。具体而言，我们将分布式范式融入基于排序的RL框架中以探索排序，并进一步并行推断最优DAG结构以提高效率。同时，每个代理对应的局部动作是从紧凑的候选节点空间中选择，该空间仅通过马尔可夫边界由先前排序中已证明的依赖节点构建而成。此外，理论结果表明，D-CORL方法能够高效地在多智能体系统中发现因果结构。最后，我们通过实验验证了D-CORL算法的有效性。

Keyword:

Causal discovery

Distributed reinforcement learning

Markov boundary

Directed acyclic graph DAG

Incremental learning

D-CORL: A provably distributed causal discovery algorithm via ordering-based reinforcement learning

摘要

期刊

机构

引用论文