单调博弈中广义纳什均衡的学习:一种混合自适应极值搜索控制方法
系统与控制
2021-10-07 v2 系统与控制
最优化与控制
摘要
本文解决了仅在单调博弈中学习广义纳什均衡(GNE)的问题。首先,我们提出一种新颖的连续半分散解算法,无需投影,利用一阶信息在中央协调器下计算 GNE。作为第二主要贡献,我们为前述算法设计了一种增益自适应方案,以缓解代价函数与约束缩放不当的问题。第三,我们提出前述算法的数据驱动变体,其中每个智能体通过零阶信息(即各自代价函数值的测量)估计其个体伪梯度。最后,我们将该方法应用于采油工程中的扰动幅度优化问题。
引用
@article{arxiv.2109.15113,
title = {Learning generalized Nash equilibria in monotone games: A hybrid adaptive extremum seeking control approach},
author = {Suad Krilašević and Sergio Grammatico},
journal= {arXiv preprint arXiv:2109.15113},
year = {2021}
}