多智能体社交网络社会学习中的数据近亲繁殖消除

受在线声誉系统的启发，我们研究了智能体在时变图上进行交互以估计潜在自然状态的社会学习问题。智能体记录其私有观测，然后利用贝叶斯规则更新其对自然状态的私有信念。基于其信念，每个智能体从有限集中选择一个动作（评分）并通过社交网络传输该动作。此类网络社会学习的一个重要后果是信息的破坏性多重复用，即数据近亲繁殖（或错误信息传播）。本文将社会学习背景下的数据近亲繁殖管理问题建模在有向无环图上。我们给出了消除数据近亲繁殖所需的社交交互图拓扑结构的充要条件。提出了一种数据近亲繁殖消除算法，使得社会学习的公共信念（从而智能体的动作）不受数据近亲繁殖传播的影响。这产生了一个具有更高信任评级的在线声誉系统。数值算例说明了所提出的最优数据近亲繁殖消除算法的性能。