具有风险厌恶 CVaR 社会传感器的受控信息融合
最优化与控制
2017-12-22 v1 社会与信息网络
摘要
考虑一个由风险厌恶社会传感器和一个控制器组成的多智能体网络，给定噪声测量，共同估计未知的自然状态。社会传感器网络执行贝叶斯社会学习——每个传感器利用贝叶斯规则融合先前社会传感器揭示的信息及其私有估值——以优化局部代价函数。控制器通过差别定价（控制输入）顺序修改传感器的代价函数，以实现长期全局目标。我们将控制器面临的随机控制问题表述为部分观测马尔可夫决策过程（POMDP），并推导最优控制策略作为传感器条件风险价值（CVaR）代价函数中风险厌恶因子的函数之结构结果。我们证明当传感器风险厌恶时，最优价格序列是上鞅；即随时间平均递减。
引用
@article{arxiv.1712.07773,
title = {Controlled Information Fusion with Risk-Averse CVaR Social Sensors},
author = {Sujay Bhatt and Vikram Krishnamurthy},
journal= {arXiv preprint arXiv:1712.07773},
year = {2017}
}
备注
IEEE CDC 2017