具有战略互补性的平均场博弈的强化学习
最优化与控制
2021-02-02 v3 计算机科学与博弈论
机器学习
多智能体系统
摘要
平均场博弈（MFG）是一类具有极大量代理人的博弈，其标准均衡概念是平均场均衡（MFE）。一般而言，动态MFG中学习MFE的算法尚属未知。我们的关注点在于一类具有重要子类，其具有称为战略互补性（MFG-SC）的单调性质。我们引入了一种自然的均衡概念精炼，称之为颤抖手完美MFE（T-MFE），它允许代理人采用一定程度的随机化，同时考虑这种随机化对其收益的影响。我们提出了一种在已知模型下计算T-MFE的简单算法。我们还引入了无模型与基于模型的学习T-MFE的方法，并给出了两种算法的样本复杂度。我们还开发了一种完全在线的学习方案，免除了对模拟器的需求。最后，我们通过受现实应用启发的示例对所提算法的性能进行了实证评估。
引用
@article{arxiv.2006.11683,
title = {Reinforcement Learning for Mean Field Games with Strategic Complementarities},
author = {Kiyeob Lee and Desik Rengarajan and Dileep Kalathil and Srinivas Shakkottai},
journal= {arXiv preprint arXiv:2006.11683},
year = {2021}
}