通过多智能体强化学习实现群体网络的协调抗干扰韧性
网络与互联网体系结构
2025-12-19 v1 人工智能
分布式、并行与集群计算
机器学习
信号处理
摘要
反应性干扰器通过选择性破坏智能体间通信并削弱编队完整性和任务成功，对机器人群体网络构成严重安全威胁。固定功率控制或静态信道跳变等传统对抗措施对这类自适应对手基本无效。本文提出一个基于 QMIX 算法的多智能体强化学习（MARL）框架，以提升群体通信在反应性干扰下的韧性。我们考虑一个由多个发射-接收对共享信道的网络，同时一个具有马尔可夫阈值动力学的反应性干扰器感知聚合功率并做出相应反应。每个智能体联合选择发射频率（信道）和功率，QMIX 学习一个集中但可分解的动作价值函数，从而实现协调 yet 去中心化的执行。我们在无信道复用设置中将 QMIX 与神谕辅助最优策略进行基准对比，并在启用信道复用的更一般衰落环境中与局部上置信界（UCB）和无状态反应策略进行对比。仿真结果表明，QMIX 迅速收敛至接近神谕辅助界值的协作策略，同时比基线实现更高的吞吐量和更低的干扰发生率，从而证明了 MARL 在 contested 环境中保护自主群体的有效性。
引用
@article{arxiv.2512.16813,
title = {Coordinated Anti-Jamming Resilience in Swarm Networks via Multi-Agent Reinforcement Learning},
author = {Bahman Abolhassani and Tugba Erpek and Kemal Davaslioglu and Yalin E. Sagduyu and Sastry Kompella},
journal= {arXiv preprint arXiv:2512.16813},
year = {2025}
}