基于轮换的多智能体强化学习模型检验
人工智能
2025-01-07 v1 机器学习
多智能体系统
摘要
本文提出了一种新方法，用于验证轮换式多智能体强化学习(TMARL)智能体是否符合随机多人游戏中的复杂要求。我们的方法克服了现有验证方法的局限性，这些方法不适用于TMARL智能体，且无法扩展到具有多个智能体的大型游戏。我们的做法依赖于TMARL与一种称为模型检验(model checking)的验证技术的紧密集成。通过在不同类型的环境中进行实验，我们展示了该技术的有效性和可扩展性。我们的实验表明，该方法适用于验证TMARL智能体，并且比简单的单体模型检验更具可扩展性。
引用
@article{arxiv.2501.03187,
title = {Turn-based Multi-Agent Reinforcement Learning Model Checking},
author = {Dennis Gross},
journal= {arXiv preprint arXiv:2501.03187},
year = {2025}
}