交替群体与控制神经网络求解高维随机平均场博弈
机器学习
2023-07-17 v4 多智能体系统
最优化与控制
机器学习
摘要
我们提出 APAC-Net，一种用于求解随机平均场博弈（MFGs）的交替群体与智能体控制神经网络。我们的算法面向现有求解方法无法处理的高维 MFG 实例。我们通过两步实现这一点。首先，我们利用 MFGs 所展现的底层变分原始-对偶结构，并将其表述为一个凸-凹鞍点问题。其次，我们分别用两个神经网络对值函数和密度函数进行参数化。通过将问题以这种方式表述，求解 MFG 可解释为训练生成对抗网络（GAN）的一个特例。我们在高达 100 维的 MFG 问题上展示了我们方法的潜力。
引用
@article{arxiv.2002.10113,
title = {Alternating the Population and Control Neural Networks to Solve High-Dimensional Stochastic Mean-Field Games},
author = {Alex Tong Lin and Samy Wu Fung and Wuchen Li and Levon Nurbekyan and Stanley J. Osher},
journal= {arXiv preprint arXiv:2002.10113},
year = {2023}
}