Oct, 2018
多智能体深度强化学习的调查与批判
A Survey and Critique of Multiagent Deep Reinforcement Learning
Pablo Hernandez-Leal, Bilal Kartal, Matthew E. Taylor
TL;DR本文对当前多智能体深度强化学习文献进行清晰的概述,回顾前沿组件的发展并提出新手引导和研究前景,同时提出了多个实际挑战。
Abstract
deep reinforcement learning (RL) has achieved outstanding results in recent
years. This has led to a dramatic increase in the number of applications and
methods. Recent works have explored learning beyond single-agent scenarios and
have considered →
发现论文,激发创造
多智能体系统的深度强化学习:挑战、解决方案和应用综述
此篇论文介绍了多智能体深度强化学习的不同方法,包括非静态性、部分可观测性、连续的状态和操作空间、多智能体训练机制、多智能体转移学习,并分析和讨论了这些方法的优缺点及其相关应用,旨在促进更加健壮和高效的多智能体学习方法的发展。
Dec, 2018
合作多智能体深度强化学习综述
本综述文章探讨了最新的多智能体强化学习算法,特别关注建模和解决合作多智能体强化学习问题的五种常见方法,以及 MARL 在真实世界应用中的成功,并提供了可用于 MARL 研究的环境列表和可能的研究方向。
Aug, 2019
网络代理的去中心化多智能体强化学习:最新进展
本文回顾了多智能体强化学习的一个分支领域 —— 网络化智能体下的去中心化多智能体强化学习。该领域的研究主要集中在多个代理在公共环境中执行顺序决策,而无需任何中央控制器的协调。代理可以通过通信网络与其邻居交换信息。此设置在机器人,无人驾驶车辆,移动传感器网络和智能电网的控制和操作中具有广泛应用。
Dec, 2019
AI-Enabled 无线网络的单智能体和多智能体深度强化学习:教程
本文论述了强化学习在 AI 驱动的 6G 网络中的作用,特别是目前热门的多智能体深度强化学习方法,以及其在移动边缘计算、无人机网络和大规模无线接入等方面的最新研究进展与应用前景。
Nov, 2020