多智能体强化学习在未来互联网中的应用：综合性综述
人工智能
2022-09-13 v3 机器学习
多智能体系统
摘要
未来互联网涉及5G及超越5G网络、车载网络、无人机(UAV)网络以及物联网(IoTs)等多种新兴技术。此外，未来互联网因涉及大量网络实体而变得异构且去中心化。每个实体可能需在动态且不确定的网络环境下做出本地决策以提升网络性能。标准学习算法如单智能体强化学习(RL)或深度强化学习(DRL)近来已被用于使各网络实体作为智能体，通过与未知环境交互自适应学习最优决策策略。然而，此类算法未能建模网络实体间的合作或竞争，仅将其他实体视为环境的一部分，可能导致非平稳性问题。多智能体强化学习(MARL)使每个网络实体不仅观察环境，也观察其他实体的策略以学习其最优策略。因此，MARL可显著提升网络实体的学习效率，近来已被用于解决新兴网络中的各类问题。本文因而综述MARL在新兴网络中的应用。具体地，我们提供MARL教程及MARL在下一代互联网中应用的综合性调查。特别地，我们首先介绍单智能体RL与MARL，随后综述若干MARL应用于解决未来互联网新兴问题的实例，包括网络接入、发射功率控制、计算卸载、内容缓存、分组路由、无人机辅助网络轨迹设计及网络安全问题。
引用
@article{arxiv.2110.13484,
title = {Applications of Multi-Agent Reinforcement Learning in Future Internet: A Comprehensive Survey},
author = {Tianxu Li and Kun Zhu and Nguyen Cong Luong and Dusit Niyato and Qihui Wu and Yang Zhang and Bing Chen},
journal= {arXiv preprint arXiv:2110.13484},
year = {2022}
}