自适应网络的学习行为研究——第一部分：瞬态分析
多智能体系统
2015-04-21 v4 系统与控制
最优化与控制
摘要
本工作对多智能体网络的学习行为进行了详细的瞬态分析，并揭示了关于分布式策略学习能力的有趣结果。除其他结果外，分析揭示了组合策略如何影响网络化智能体的学习过程，以及这些策略如何将收敛点导向许多可能的 Pareto 最优解中的任何一个。结果还确立了自适应网络的学习过程经历了三个（而不是两个）定义明确的演化阶段，前两个阶段具有独特的收敛速率，而最后一个阶段达到有限的均方误差 (MSE) 水平。分析揭示了网络拓扑的哪些方面直接影响性能，并提出了通过调整相关拓扑参数来优化性能的设计程序。有趣的是，进一步表明，在自适应机制下，即使是左随机组合策略，稀疏连接网络中的每个智能体也能达到与集中式随机梯度策略相同的性能水平。这些结果导致了对耦合分布式学习者收敛行为的更深入理解和有用见解。这些结果还导致了有效的设计机制，以帮助信息在网络中更彻底地扩散。
引用
@article{arxiv.1312.7581,
title = {On the Learning Behavior of Adaptive Networks - Part I: Transient Analysis},
author = {Jianshu Chen and Ali H. Sayed},
journal= {arXiv preprint arXiv:1312.7581},
year = {2015}
}
备注
to appear in IEEE Transactions on Information Theory, 2015