大规模任务导向通信设计
信息论
2023-05-16 v1 机器学习
多智能体系统
math.IT
摘要
随着在物联网和工业4.0等诸多领域无数有前景的应用，任务导向通信设计（TOCD）正获得研究界加速增长的关注。本文提出一种在协作多智能体系统（MAS）中设计可扩展任务导向量化与通信的新方法。所提方法利用TOCD框架和信息价值（VoI）概念，在最大化MAS平均回报性能（一个量化MAS任务有效性的参数）的同时，实现智能体间量化观测的高效通信。然而，学习VoI的计算复杂度随智能体数量指数增长。因此，我们提出一个三步框架：i）对双智能体系统学习VoI（使用强化学习（RL）），ii）利用学到的VoI为一系列比特预算下的 智能体MAS设计量化策略，以及（iii）在前一步所设计量化策略下使用RL学习智能体控制策略。我们观察到，可通过利用从研究类似双智能体系统（而非原始 智能体系统）获得的洞见来降低获取信息价值的计算成本。随后我们对智能体观测进行量化，使其更有价值的观测被更精确地通信。我们的分析结果表明所提框架在广泛问题下的适用性。数值结果显示，在不损害MAS平均回报性能的前提下，所提框架在降低MAS中TOCD所需VoI计算复杂度方面有显著改进。
引用
@article{arxiv.2305.08481,
title = {Task-Oriented Communication Design at Scale},
author = {Arsham Mostaani and Thang X. Vu and Hamed Habibi and Symeon Chatzinotas and Bjorn Ottersten},
journal= {arXiv preprint arXiv:2305.08481},
year = {2023}
}