存在扰动时的分布式学习
系统与控制
2016-03-31 v1
摘要
我们考虑多个智能体必须以分布式方式学习一个使它们效用之和最大化的动作配置的问题。假设智能体既不知道效用函数，也不知道其他智能体的动作和收益。这些假设出现在对复杂系统中的交互建模时，并且系统各组件之间的通信都很困难。在[1]中，提出了一种分布式算法，在该问题设置下学习帕累托有效解。然而，该方法假设所有智能体都能选择其动作，这就排除了扰动。在本文中，我们展示了该分布式学习算法的修改版本可以学习帕累托有效解，即使在存在来自有限集的扰动的情况下也是如此。我们将我们的方法应用于交通控制中针对不同需求配置的匝道协调问题。
引用
@article{arxiv.1603.09258,
title = {Distributed Learning in the Presence of Disturbances},
author = {Chithrupa Ramesh and Marius Schmitt and John Lygeros},
journal= {arXiv preprint arXiv:1603.09258},
year = {2016}
}