智能体-环境循环博弈
机器学习
2022-06-01 v3 人工智能
计算机科学与博弈论
多智能体系统
机器学习
摘要
部分可观测随机博弈（POSGs）是多智能体强化学习（MARL）中最通用且常用的博弈模型。我们认为POSG模型在概念上并不适合软件MARL环境，并给出了文献中的案例研究，表明这种不匹配已导致严重的非预期行为。为此，我们引入了智能体-环境循环博弈（AEC Games）模型，其更能代表软件实现。随后我们证明它是与POSGs等价的一个模型。AEC博弈模型还具有独特的用处：它可以优雅地表示所有形式的MARL环境，而例如POSGs无法优雅地表示像国际象棋这样严格轮流的博弈。
引用
@article{arxiv.2009.13051,
title = {Agent Environment Cycle Games},
author = {J K Terry and Nathaniel Grammel and Benjamin Black and Ananth Hari and Caroline Horsch and Luis Santos},
journal= {arXiv preprint arXiv:2009.13051},
year = {2022}
}
备注
This work of this paper has been merged into the paper "PettingZoo: Gym for Multi-Agent Reinforcement Learning" arXiv:2009.14471