学习团队决策

在本文中，我们研究线性二次团队决策问题，其中一组智能体在 $T$ 个时间步上最小化一个凸二次代价函数，约束条件为对自然状态可能不同的线性观测。我们假设自然状态为高斯随机变量，且智能体不知道代价函数以及将自然状态映射到其观测的线性函数。我们提出一种基于梯度下降的算法，在完全信息梯度反馈下期望遗憾为 $O(\log(T))$，在 bandit 反馈下为 $O(\sqrt(T))$。在 bandit 反馈情形下，期望遗憾具有额外的乘法项 $O(d)$，其中 $d$ 反映所学参数的数量。