.png){kind=icon}
返回
Multi-Agent Reinforcement Learning With Decentralized Distribution Correction
.png){kind=icon}
PRE
AI
DOI：10.1109/TASE.2024.3369592.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
这项工作考虑了分散的多智能体强化学习 (MARL)，其中全局状态和奖励被假定为完全可观察的，而本地行为策略被保留在本地以抵抗对抗性攻击。为了合作积累更多的奖励，代理在时变通信网络之间交换消息以达成共识。对于这些合作任务，我们提出了一种分散的参与者-批评家算法，其中代理可以做出单独的决策，但是联合行为策略针对更多的累积奖励进行了优化。我们提供了表格设置下收敛的理论分析，然后将其扩展到非线性函数近似。此外，通过结合分散式分布校正，以非策略方式训练代理以获得更高的样本效率。最后，我们进行了实验来评估算法，其中所提出的算法在稳定性和渐近性能方面都具有竞争力。从业人员注意-完全分散的MARL算法广泛应用于多智能体系统中，用于生成协作行为，例如，多个无人机 (UAV) 协作执行搜索和救援任务，多个车辆有效地通过拥挤的十字路口，以及多个机器人协作处理货物或障碍物。专注于这些潜在的应用，这项工作的动机是通过纳入非政策培训方法来提高最近分散的MARL算法的样本效率。在这项工作中，我们通过分散的平均共识步骤重新加权历史轨迹，并开发相应的策略优化程序，可以使用以前的轨迹来稳定以后的迭代。由于训练材料增加了历史样本，样本效率显著提高，训练过程稳定。通过完全分散的训练方法，所提出的算法有望应用于大型系统，例如车辆团队和无人机组，以实现有效的实时控制。
Keyword:
Multi-agent system
reinforcement learning
consensus
distribution correction
期刊
IF:
6.4
论文数:
5.2K
被引数:
1.6W
机构
引用论文
.png){kind=icon}
Study of bi-directional buck-boost converter topologies for application in electrical vehicle motor drives应用于电动汽车电机驱动的双向buck-boost变换器拓扑研究
PREAI
分享收藏Hybrid Car-Following Strategy Based on Deep Deterministic Policy Gradient and Cooperative Adaptive Cruise Control基于深度确定性策略梯度和协同自适应巡航控制的混合跟车策略
OAAI
OAAI分享收藏
查看更多内容