.png){kind=icon}
返回
Robust sequential decision-making in adversarial environments
.png){kind=icon}
OA
AI
DOI：10.1080/21642583.2026.2646376.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
强化学习（RL）代理在对抗性环境中往往失败，因为马尔可夫决策过程（MDP）的环境平稳性假设被违反。虽然针对这一场景的无模型解决方案已存在，但基于规划的对应方法仍较少被探索。本文在受威胁马尔可夫决策过程（TMDP）框架内引入了离线和在线值迭代算法，其中RL代理维护并更新对对手策略的贝叶斯信念。该信念被整合到修正的贝尔曼最优方程中，以计算鲁棒策略。我们使用随机对抗多智能体Coin Game对框架进行评估。主要发现是，基于模型的代理显著优于TMDP版本的无模型Q学习，证实了基于模型规划的优势从MDP扩展到了TMDP。此外，所提出的框架在系统转移函数未知时仍能保持对Q学习基线的性能优势。RL代理还表现出对直接对抗性交互的鲁棒性。本研究验证了TMDP值迭代作为对抗自适应对手的有效、基于规划的决策方法。
Keyword:
Dynamic programming
adversarial machine learning
multi-agent reinforcement learning
robust reinforcement learning
Bayesian reinforcement learning
期刊
S
IF:
0
论文数:
39
被引数:
0
机构
引用论文
Multi-Agent Reinforcement Learning in Partially Observable Environments Using Social Learning部分可观测环境下的多智能体强化学习与社会学习.png)
ICASSP 2025 - 2025 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)
ICASSP 2025 - 2025 IEEE International Conference on Acoustics, Speech and Signal Processing (ICASSP)IF0
PREAI
分享收藏Partially-Observable Security Games for Attack-Defence Analysis in Software Systems软件系统中基于攻击-防御分析的局部可观测安全博弈
PREAI
分享收藏
查看更多内容