鲁棒去中心化多臂老虎机：从抗破坏鲁棒性到拜占庭鲁棒性
机器学习
2025-11-14 v1
摘要
去中心化合作多智能体多臂老虎机 (DeCMA2B) 考虑多个智能体在去中心化环境下如何协作完成多臂老虎机任务。尽管该问题在前期工作中受到广泛研究，但大多数现有方法仍易受到各种对抗性攻击。本文首先研究面向对抗性破坏的 DeCMA2B 情形，即对手方可对所有智能体的奖励观测进行受限破坏预算控制下的破坏。我们提出一种鲁棒算法，称为 DeMABAR，确保每个智能体的个体后悔仅受与破坏预算成正比的增量项的影响。随后我们考虑更为现实的情况，即对手方仅能攻击少数智能体。我们的理论分析表明，DeMABAR 算法也能几乎完全消除对抗性攻击的影响，在拜占庭设置下天然具备鲁棒性，即未知比例的智能体可能是 Byzantine 类型，即可能随意选择臂位并传播错误信息。我们还进行了数值实验，以说明所提出方法的鲁棒性和有效性。
引用
@article{arxiv.2511.10344,
title = {Robust Decentralized Multi-armed Bandits: From Corruption-Resilience to Byzantine-Resilience},
author = {Zicheng Hu and Yuchen Wang and Cheng Chen},
journal= {arXiv preprint arXiv:2511.10344},
year = {2025}
}