网络多智能体系统中线性可解最优控制的组合性
系统与控制
2021-03-24 v2 机器学习
多智能体系统
系统与控制
最优化与控制
摘要
本文讨论了利用线性可解最优控制（LSOC）问题的线性组合原理，将多智能体系统（MASs）上已学习的组件任务的最优控制律推广到未学习的复合任务的方法。所提方法在协作MAS框架下，以离散与连续时间形式、以样本高效的方式同时实现了控制动作的组合性与最优性，从而减轻了MASs上针对新任务重新计算最优控制解的负担。我们研究了该方法在具有智能体间协调的MAS上的应用。实验在所考察的场景中给出了可行结果，包括用于任务推广而无需重采样的离散与连续动力学系统。
引用
@article{arxiv.2009.13609,
title = {Compositionality of Linearly Solvable Optimal Control in Networked Multi-Agent Systems},
author = {Lin Song and Neng Wan and Aditya Gahlawat and Naira Hovakimyan and Evangelos A. Theodorou},
journal= {arXiv preprint arXiv:2009.13609},
year = {2021}
}
备注
Accepted to the 2021 American Control Conference (ACC)