基于平均场控制的具有有限维记忆的去中心化随机控制方法
最优化与控制
2023-05-16 v1 多智能体系统
系统与控制
系统与控制
摘要
去中心化随机控制（DSC）研究多智能体系统的最优控制问题。然而，除特殊情况外，DSC 无法求解，因为智能体之间的估计通常是难以处理的。本文中，我们提出记忆受限 DSC（ML-DSC），其中每个智能体将观测历史压缩为有限维记忆。由于这种压缩简化了智能体之间的估计，ML-DSC 可在更一般的情况下基于平均场控制理论求解。我们在一般 LQG 问题中演示了 ML-DSC。由于在一般 LQG 问题中估计与控制未明确分离，Riccati 方程被修正为去中心化 Riccati 方程，从而同时改进了估计与控制。我们的数值实验表明，去中心化 Riccati 方程优于传统 Riccati 方程。
引用
@article{arxiv.2209.05067,
title = {Mean-Field Control Approach to Decentralized Stochastic Control with Finite-Dimensional Memories},
author = {Takehiro Tottori and Tetsuya J. Kobayashi},
journal= {arXiv preprint arXiv:2209.05067},
year = {2023}
}
备注
arXiv admin note: text overlap with arXiv:2203.10682