具有基于强化学习策略与自适应策略切换机制的自主协商智能体框架
人工智能
2022-02-18 v2 多智能体系统
摘要
尽管文献中存在大量协商策略，但自动协商的复杂性使得单一策略无法在所有不同协商场景中均优于其他策略。为此，一种方法是使用专家混合，但该方法同时面临专家选择问题，受限于所选专家的能力。大多数协商策略的另一问题是在单次协商会话中无法适应对手行为的动态变化，导致性能不佳。本工作同时解决专家选择与对手行为适应问题，提出我们的自主协商智能体框架。该框架支持对手行为的实时分类，并提供在单次协商会话中选择、切换或组合策略的机制。此外，我们的框架具有评审组件，可通过定期决定纳入新策略或替换旧策略为更优策略来实现自我增强能力。我们通过实现基于最大熵强化学习的策略与基于深度学习的对手分类器，展示了框架的一个实例。最后，我们在多样协商场景下针对 SOTA 协商者评估了智能体的性能。
引用
@article{arxiv.2102.03588,
title = {An Autonomous Negotiating Agent Framework with Reinforcement Learning Based Strategies and Adaptive Strategy Switching Mechanism},
author = {Ayan Sengupta and Yasser Mohammad and Shinji Nakadai},
journal= {arXiv preprint arXiv:2102.03588},
year = {2022}
}
备注
Accepted at AAMAS 2021