基于模拟足球示例的多智能体与单智能体逆学习比较
机器学习
2014-03-28 v1 计算机科学与博弈论
摘要
我们比较了逆强化学习 (IRL) 与相对较新的多智能体逆强化学习 (MIRL) 模型的性能。在比较这两种方法之前，我们将一种已发表的贝叶斯 IRL 方法进行了扩展，该方法原本仅适用于奖励仅依赖于状态的情况，现扩展为能够处理奖励同时依赖于状态和动作的通用情况。IRL 与 MIRL 的比较是在抽象足球游戏的背景下进行的，分别使用了奖励仅依赖于状态的游戏模型和奖励同时依赖于状态与动作的游戏模型。结果表明，IRL 方法的性能远不如 MIRL 方法。我们推测，IRL 表现不佳是因为它未能像 MIRL 那样捕捉到均衡信息。
引用
@article{arxiv.1403.6822,
title = {Comparison of Multi-agent and Single-agent Inverse Learning on a Simulated Soccer Example},
author = {Xiaomin Lin and Peter A. Beling and Randy Cogill},
journal= {arXiv preprint arXiv:1403.6822},
year = {2014}
}
备注
arXiv admin note: text overlap with arXiv:1403.6508