用于多智能体强化学习中学多种任务的扩展马尔可夫博弈
人工智能
2020-02-17 v1 机器学习
计算机科学中的逻辑
多智能体系统
摘要
形式化方法与强化学习 (RL) 的结合近来作为单智能体 RL 学习多任务规范的一种途径引起了关注。本文将这种融合扩展到多智能体设定，并正式定义扩展马尔可夫博弈作为一种通用数学模型，允许多个 RL 智能体并发学习各种非马尔可夫规范。为引入这一新模型，我们给出了形式化定义与证明，以及在该框架上运行的 RL 算法的实证测试。具体而言，我们使用我们的模型训练两种不同的基于逻辑的多智能体 RL 算法，以解决非马尔可夫共安全 LTL 规范的多样化设定。
引用
@article{arxiv.2002.06000,
title = {Extended Markov Games to Learn Multiple Tasks in Multi-Agent Reinforcement Learning},
author = {Borja G. León and Francesco Belardinelli},
journal= {arXiv preprint arXiv:2002.06000},
year = {2020}
}
备注
Long version of the correspondent ECAI 2020 paper