图神经网络遇见多智能体强化学习：基础、应用与未来方向
信息论
2024-04-09 v1 math.IT
摘要
多智能体强化学习（MARL）已成为下一代无线通信系统的基本组成部分。理论上，尽管MARL具有低计算复杂度和快速收敛速度的优势，但仍存在部分可观测性、非平稳性和可扩展性等挑战。本文研究了一种新颖的基于图神经网络辅助通信的MARL（GNNComm-MARL），通过利用图注意力网络有效采样邻域并选择性聚合消息，以应对上述挑战。此外，我们深入研究了GNNComm-MARL的架构，并提出了系统化的设计方案。然后，我们从资源分配和移动性管理两个方面介绍了GNNComm-MARL的典型应用。结果表明，与传统通信方案相比，GNNComm-MARL能够以更低的通信开销实现更好的性能。最后，提出了关于GNNComm-MARL的几个重要研究方向，以促进进一步研究。
引用
@article{arxiv.2404.04898,
title = {Graph Neural Network Meets Multi-Agent Reinforcement Learning: Fundamentals, Applications, and Future Directions},
author = {Ziheng Liu and Jiayi Zhang and Enyu Shi and Zhilong Liu and Dusit Niyato and Bo Ai and Xuemin and Shen},
journal= {arXiv preprint arXiv:2404.04898},
year = {2024}
}