Diffusion Stochastic Learning Over Adaptive Competing Networks

doi:10.1109/TSP.2026.3666428

Diffusion Stochastic Learning Over Adaptive Competing Networks

2026-02-20

0

PRE

AI

DOI：10.1109/TSP.2026.3666428

原文链接

原文求助

摘要

En 中文

本研究探讨了一种随机动态博弈，涉及两个相互竞争的团队，每个团队均由一个协作智能体网络构成。与完全合作场景不同，在该场景中所有智能体共享共同目标，而此博弈中的每个团队旨在最小化其自身的独特目标。在对抗性设置下，其目标可能如零和博弈般相互冲突。在整个竞赛过程中，智能体在各自团队内共享战略信息，同时推断并适应对手团队的策略。我们提出扩散学习算法，以应对此类网络博弈中的两类重要情形：i) 一种弱跨团队子图交互特征的零和博弈，以及ii) 一种呈现强跨团队子图交互特征的一般非零和博弈。我们在合理假设下分析了所提算法的稳定性性能，并通过库诺特团队竞争和去中心化GAN训练实验验证了理论结果。

Keyword:

Competing networks

multi-agent game

Nash equilibrium

diffusion learning

Diffusion Stochastic Learning Over Adaptive Competing Networks

摘要

期刊

机构

引用论文