邻域认知一致的多智能体强化学习
人工智能
2020-02-11 v2
摘要
社会心理学与现实经验表明，认知一致性对维持人类社会秩序起着重要作用：如果人们对环境的认知更为一致，他们就更有可能实现更好的合作。同时，只有邻域内的认知一致性才重要，因为人类仅与其邻居直接交互。受这些观察启发，我们首次将邻域认知一致性（NCC）引入多智能体强化学习（MARL）。我们的 NCC 设计十分通用，并且可以容易地与现有 MARL 方法结合。作为示例，我们提出了邻域认知一致的深度 Q 学习和 Actor-Critic，以促进大规模多智能体合作。在若干具有挑战性的任务（即分组路由、wifi 配置和 Google football 玩家控制）上的大量实验证明了我们的方法相较于最先进 MARL 方法的优越性能。
引用
@article{arxiv.1912.01160,
title = {Neighborhood Cognition Consistent Multi-Agent Reinforcement Learning},
author = {Hangyu Mao and Wulong Liu and Jianye Hao and Jun Luo and Dong Li and Zhengchao Zhang and Jun Wang and Zhen Xiao},
journal= {arXiv preprint arXiv:1912.01160},
year = {2020}
}
备注
Accepted by AAAI2020 with oral presentation (https://aaai.org/Conferences/AAAI-20/wp-content/uploads/2020/01/AAAI-20-Accepted-Paper-List.pdf). Since AAAI2020 has started, I have the right to distribute this paper on arXiv