多智能体深度强化学习综述与批判
多智能体系统
2019-10-21 v3 人工智能
机器学习
摘要
深度强化学习（RL）近年来取得了卓越成果。这导致了应用与方法数量的急剧增加。近期工作已超越单智能体场景，并考虑了多智能体学习（MAL）场景。初步结果报道了在复杂多智能体领域的成功，尽管仍有若干挑战有待解决。本文的主要目标是清晰概述当前多智能体深度强化学习（MDRL）文献。此外，我们以更广泛的分析补充该概述：（i）我们重访先前在 MAL 与 RL 中提出的关键组件，并强调它们如何被调适到多智能体深度强化学习设定中。（ii）我们为该领域的新实践者提供通用指南：描述从 MDRL 工作中汲取的经验教训，指向近期基准，并勾勒开放的研究途径。（iii）我们采取更具批判性的基调，提出 MDRL 的实际挑战（例如，实现与计算需求）。我们期望本文有助于统一并激励未来研究，以联合利用现有丰富文献（如 RL 与 MAL），共同促进多智能体社区中富有成果的研究。
引用
@article{arxiv.1810.05587,
title = {A Survey and Critique of Multiagent Deep Reinforcement Learning},
author = {Pablo Hernandez-Leal and Bilal Kartal and Matthew E. Taylor},
journal= {arXiv preprint arXiv:1810.05587},
year = {2019}
}
备注
Under review since Oct 2018. Earlier versions of this work had the title: "Is multiagent deep reinforcement learning the answer or the question? A brief survey"