随机智能体网络中的声誉驱动决策

本文研究涉及自利智能体网络的多智能体系统。我们提出一种源自马尔可夫决策过程的框架，称为RepNet-MDP，专为智能体声誉是智能体间交互关键驱动因素的领域而定制。其基础基于Rens等人于2018年开发的RepNet-POMDP框架的原理，但通过仅考虑完全可观测环境，解决了其数学不一致性并缓解了其难解性。我们进一步使用一种在线学习算法来寻找RepNet-MDP的近似解。在一系列实验中，RepNet智能体被证明能够依据网络中其余智能体的过往行为与可靠性来调整自身行为。最后，我们的工作指出了该框架在当前表述下的一个局限，即在其智能体并非主要行动者的情况下阻碍其学习。