Nov, 2023
基于分布式Q学习的多智能体马尔可夫决策过程和满足性准则
Decentralised Q-Learning for Multi-Agent Markov Decision Processes with
a Satisfiability Criterion
TL;DR本文提出了一种强化学习算法来解决多智能体马尔可夫决策过程(MMDP),通过黑韦尔的可接近性定理,目标是将每个智能体的时间平均成本降低到预先指定的特定界限以下。通过在Q-learning算法中结合每个智能体成本的加权组合,其中成本是通过具有Metropolis-Hastings或乘法权重形式的传闻算法来调制传闻的平均矩阵,我们使用了多个时间尺度的算法,并证明在温和条件下,它近似实现了每个智能体的期望界限。我们还在具有联合控制的每个阶段成本的更一般的MMDP设置中展示了该算法的实证性能。