基于图神经网络学习周长防御游戏的分散策略

我们考虑为多智能体周长防御游戏寻找分散策略的问题。本工作中，我们设计了一个基于图神经网络的学习框架，以学习从防御者的局部感知和通信图到防御者动作的映射，使得学到的动作接近于集中式专家算法生成的动作。我们证明，所提出的网络通过捕获更多入侵者，更接近专家策略且优于其他基线算法。我们基于 GNN 的网络在小规模下训练，并可泛化到大规模。为验证结果，我们在不同团队规模和初始配置的场景中运行周长防御游戏，以评估所学网络的性能。