May, 2022

多智能体系统中的演化博弈理论对新兴行为的理解

PDF
TL;DR本文通过进化博弈理论和基于代理的建模和仿真技术，对在多智能体系统中通过多个交互者的存在和互动的多种行为策略下涌现和演变的集体行为机制的主要研究方向和挑战进行了总结，包括将认知和情感机制引入智能体的实现、在复杂网络中促进亲社会行为的成本效益干预、AI 安全发展生态的监管和治理以及随机演化多人游戏的平衡分析。总之，本文描述了该小组视图或优先考虑的 MAS 研究中的重要开放问题。
发现论文，激发创造
  • 多智能体学习系统的数学：博弈论与人工智能交叉界面

    进化博弈论和人工智能两个领域虽然乍看起来不同，但它们具有显著的联系和交叉点。本文旨在通过交叉思想促进多智能体学习系统的数学进展，特别是在 “集体合作智能” 领域，以连接进化动力学和多智能体强化学习。

    Mar, 2024

  • 进化博弈论：进化与集体行为的数学

    本文讨论了进化博弈理论作为一种强大而统一的数学工具，用于研究集体行为的演化，总结了作者最近通过进化博弈理论方法所涉及的一些研究方向，包括：i）随机进化博弈中（稳定）均衡数量的统计性质分析，以及 ii）在技术发展竞赛中建模安全行为的演化及先进人工智能技术带来的风险。最后，对未来研究者提出了展望和一些建议。

    Nov, 2023

  • 利用基于代理的方法的进化博弈论

    这篇论文研究了进化博弈论的数学模型，探讨了在非简单情景下（如有限人口、不消失的突变率、随机决策、沟通等）运用基于个体的方法进行仿真的必要性，并总结了数学模型和计算仿真方法的优缺点。

    Apr, 2014

  • 使用 NEAT 算法学习机器人群体的新兴行为

    通过进化算法训练分布式机器人群体算法以产生新兴行为，并在不同模式的操纵下进行了模拟实验和评估。

    Sep, 2023

  • 多智能体强化学习中的紧急交换行为

    通过模拟多智能体社会进行微观经济学自动形成的基本现象，本文提供了一个以微观经济学为灵感的环境，其中智能体在一个复杂的空间世界中学习生产资源，与其他智能体交易和消费资源，并演示了产生的经济行为如何响应各种环境条件。

    May, 2022

  • 生成代理基于建模：通过将机械模型与生成人工智能相结合揭示社会系统动力学

    利用生成式人工智能建立反馈丰富的社会系统计算模型，通过生成代理基于模型（GABMs），将人类决策过程在社会环境中进行模拟，并探讨了社会规范扩散的一种简单 GABM 模型，以及该模型在不同情境下的敏感性和重要性。

    Sep, 2023

  • 多智能体系统中的合作动力学：探索均场平衡下的博弈论场景

    调查在博弈论情境中激发合作的策略，分析现有的合作策略对重复游戏中促进群体行为的有效性，并在具有指数增长代理人群体的情境中建立均衡解和奖励结构。通过模拟实现将理论概念与实际应用相结合。

    Sep, 2023

  • 演化内在动机以促进利他行为

    本篇论文研究多智体系统中的合作问题，发现可通过结合自然选择与 MARL 来实现无模型的协作特征学习，支持多层次选择的创新模块化架构结构为此提供了解决方案。

    Nov, 2018

  • 面向协作多智能体系统的分层博弈决策制定在对抗智能体存在下的应用

    本文提出了一种新的层次化基于网络的游戏论效用树（GUT）模型，将高级策略分解成可执行的低级动作以协同 MAS 决策。该模型结合了基于代理需求的新的支付措施，可帮助协同决策，其在实时策略游戏领域取得了良好的表现，同时使用机器人实验室验证了其在真实机器人应用中的有效性，可有效组织 MAS 合作策略，帮助群体获得更高性能。

    Mar, 2023

  • 进化博弈理论平方：自发演化的零和博弈中的进化代理

    本文研究了一类竞争场景，其中代理和它们玩的游戏都在时间上演化。该系统中的信息论保存定律、泊松回归和 Nash 均衡特征表明，尽管代理和游戏共同演化，但其结果仍然遵循一定的规律。同时，针对这种共同演化的网络游戏提出了预测代理行为的多项式时间算法。

    Dec, 2020