对对抗性腐败鲁棒的多智能体随机赌博机

我们研究了异构环境下存在对抗性腐败的多智能体多臂赌博机问题，其中每个智能体只能访问一部分臂。对手可以腐败所有智能体的奖励观测值。智能体之间共享这些被腐败的奖励，目标是最大化所有智能体的累积总奖励（并且不被对手误导）。我们提出了一种对对抗性腐败鲁棒的多智能体协作学习算法。对于这种新设计的算法，我们证明，具有未知腐败预算$C$的对手仅会在标准非腐败设置下的模型遗憾值上增加一个附加项$O((L / L_{\min}) C)$，其中$L$是智能体总数，$L_{\min}$是共同访问某个臂的最小智能体数量。作为副产品，我们的算法在简化为单智能体和同质多智能体场景时，也分别改进了最先进的遗憾界，收紧了乘性因子$K$（臂的数量）和$L$（智能体的数量）。