面向大型网络系统中并行 MARL 的分布影响力增强局部模拟器
机器学习
2024-03-04 v2 多智能体系统
摘要
由于其高样本复杂度，时至今日，仿真对于强化学习的成功应用至关重要。然而，许多现实问题表现出过度复杂的动态，使其全规模仿真在计算上十分缓慢。本文展示如何将多智能体的大型网络系统分解为多个局部组件，从而构建可独立且并行运行的分离模拟器。为监测不同局部组件彼此间施加的影响，每个模拟器配备一个在真实轨迹上周期性训练的习得模型。我们的实证结果表明，将仿真分布于不同进程不仅可在数小时内训练大型多智能体系统，还有助于缓解同步学习的负面效应。
引用
@article{arxiv.2207.00288,
title = {Distributed Influence-Augmented Local Simulators for Parallel MARL in Large Networked Systems},
author = {Miguel Suau and Jinke He and Mustafa Mert Çelikok and Matthijs T. J. Spaan and Frans A. Oliehoek},
journal= {arXiv preprint arXiv:2207.00288},
year = {2024}
}