最优传输理论与多智能体强化学习之间的协同作用
多智能体系统
2024-01-26 v2 机器学习
系统与控制
系统与控制
摘要
本文探讨了最优传输理论（OT）与多智能体强化学习（MARL）的结合。该结合利用 OT 处理分布和传输问题，以增强 MARL 的效率、协调性和适应性。OT 可在五个关键领域影响 MARL：(1) 策略对齐，利用 OT 的 Wasserstein 度量将发散的智能体策略对齐至统一目标；(2) 分布式资源管理，采用 OT 优化智能体间的资源分配；(3) 应对非平稳性，使用 OT 适应动态环境变化；(4) 可扩展的多智能体学习，利用 OT 将大规模学习目标分解为可管理的任务；(5) 提高能效，应用 OT 原理开发可持续的 MARL 系统。本文阐述了 OT 与 MARL 之间的协同作用如何解决可扩展性问题、优化资源分布、在合作环境中对齐智能体策略，并确保在动态变化条件下的适应性。
引用
@article{arxiv.2401.10949,
title = {The Synergy Between Optimal Transport Theory and Multi-Agent Reinforcement Learning},
author = {Ali Baheri and Mykel J. Kochenderfer},
journal= {arXiv preprint arXiv:2401.10949},
year = {2024}
}