学习搜寻：面向非随机扰动的多智能体在线源搜寻
系统与控制
2023-05-02 v1 机器学习
多智能体系统
系统与控制
摘要
本文提出利用新兴的学习技术，设计一种未知环境下的多智能体在线源搜寻算法。我们问题设定中尤为关键的是：i) 底层环境不仅未知，而且动态变化并受两类非随机扰动干扰；ii) 部署一组智能体并期望其协作搜寻尽可能多的源。相应地，我们发展了一种折扣卡尔曼滤波新技术以应对非随机扰动，并利用多面体性质的置信界概念来辅助多智能体间计算高效的协作。在对未知环境及扰动的标准假设下，我们的算法被证明在两类非随机扰动下均取得次线性后悔值；两项结果均可比于当前最优水平。给出了真实世界污染监测应用的数值算例以展示我们算法的有效性。
引用
@article{arxiv.2305.00154,
title = {Learning to Seek: Multi-Agent Online Source Seeking Against Non-Stochastic Disturbances},
author = {Bin Du and Kun Qian and Christian Claudel and Dengfeng Sun},
journal= {arXiv preprint arXiv:2305.00154},
year = {2023}
}