多智能体控制的遗憾最小化方法
最优化与控制
2022-07-27 v3 机器学习
机器学习
摘要
我们研究了具有已知动力学和对抗性扰动的动力学系统的多智能体控制问题。我们的研究重点是不采用集中式预计算策略的最优控制，而是为仅配备稳定控制器的不同智能体采用自适应控制策略。我们给出了从任意（标准）遗憾最小化控制方法到分布式算法的归约。该归约保证了所得的分布式算法相对于最优预计算联合策略具有低遗憾。我们的方法涉及将在线凸优化推广到多智能体环境，并应用最近为单智能体导出的非随机控制工具。我们在一个过度驱动飞行器模型上实证评估了我们的方法。我们表明，该分布式方法对故障和动力学中的对抗性扰动具有鲁棒性。
引用
@article{arxiv.2201.13288,
title = {A Regret Minimization Approach to Multi-Agent Control},
author = {Udaya Ghai and Udari Madhushani and Naomi Leonard and Elad Hazan},
journal= {arXiv preprint arXiv:2201.13288},
year = {2022}
}