多智能体博弈学习研究进展
来源:系统工程与电子技术杂志2024年第5期北京时间:
作者:罗俊仁, 张万鹏, 苏炯铭, 袁唯淋, 陈璟
单位:国防科技大学智能科学学院, 湖南 长沙 410073
摘要:随着深度学习和强化学习而来的人工智能新浪潮, 为智能体从感知输入到行动决策输出提供了“端到端”解决方案。多智能体学习是研究智能博弈对抗的前沿课题, 面临着对抗性环境、非平稳对手、不完全信息和不确定行动等诸多难题与挑战。本文从博弈论视角入手, 首先给出了多智能体学习系统组成,进行了多智能体学习概述, 简要介绍了各类多智能体学习研究方法。其次, 围绕多智能体博弈学习框架, 介绍了多智能体博弈基础模型及元博弈模型, 均衡解概念和博弈动力学, 学习目标多样、环境(对手)非平稳、均衡难解且易变等挑战。再次, 全面梳理了多智能体博弈策略学习方法, 离线博弈策略学习方法, 在线博弈策略学习方法。最后,从智能体认知行为建模与协同、通用博弈策略学习方法和分布式博弈策略学习框架共3个方面探讨了多智能体学习的前沿研究方向。
关键词:博弈学习,多智能体学习,元博弈,在线无悔学习
基金资助:国家自然科学基金(61806212);湖南省研究生科研创新项目(CX20210011)
2024年5期其他文献查阅:
一种非平滑相干干扰鲁棒的自适应波束形成器
稀疏阵列的鲁棒矩阵填充DOA估计算法
基于高度计辅助的GNSS欺骗干扰检测
基于融合距离的极化SAR图像非局部均值滤波
低脉冲重复频率条件下无人机微动参数提取
基于CSLS-CycleGAN的侧扫声纳水下目标图像样本扩增法
单参考阵元旋转电场矢量法校准相控阵天线
大掠射角对海雷达导引头实测回波特性分析
非均匀间歇采样转发干扰对脉内捷变雷达影响分析
基于ISVM-DS的红外多传感器融合识别方法
基于无人艇的导航雷达目标检测跟踪算法
分布式相参雷达相参效率及相参景深研究
脉内频率-时延捷变雷达抗间歇采样转发干扰方法
基于ECOC平衡随机森林的雷达降水粒子分类
面向核事故应急处置的遥操作系统设计与实验研究
基于数据驱动方法的在轨卫星智能温度预测
多智能体博弈学习研究进展
考虑特殊区域的离散区域划分方法
基于灰色-神经网络的民机需求组合预测
改进高斯云模型及其在装备保障体系能力评估中的应用
基于质量4.0的印制电路板智能缺陷检测研究
基于HA算法的舰载机出动作业调度方法
基于全流程并行遗传算法的贝叶斯网络结构学习
面向空地中继网络优化的无人机运动控制方法
基于视线协同和DMPC的载机-防御弹群协同主动防御制导策略
新型迅捷弹箭多源力组合控制方法
基于CL-RRT与MPC的舰载机牵引系统路径规划
基于EMSDBO算法的无人机三维航迹规划
基于多精度规划窗口的无人机航迹规划方法研究
基于N-EKF的非合作低轨目标双星无源定位跟踪算法
基于码重奇偶性的扩展BCH码盲识别
基于最小路由代价的巨型星座网络接入策略
基于特征值的动态数字信道化子带检测算法
URLLC场景下信道可靠连通度预测
基于深层神经网络的信道编码类型盲识别