AgentMixer: Multi-Agent Correlated Policy Factorization
Aalto University（阿尔托大学）；University of Electronic Science and Technology of China（电子科技大学）
针对多智能体强化学习中CTDE方法独立决策难协调、模仿联合策略易出现非对称学习失败的问题，提出AgentMixer策略修正方法，通过非线性组合个体策略与个体-全局一致性机制实现分布式执行，收敛到ε-近似相关均衡，在多个基准上性能优于或持平SOTA。
2024-12-13 cs.AI cs.MA
Scalable, Decentralized Multi-Agent Reinforcement Learning Methods Inspired by Stigmergy and Ant Colonies
University of California, Berkeley（加州大学伯克利分校）
支持多智能体学习算法来处理复杂的协调和控制任务一直是正在进行的研究的长期挑战。已经提出了许多方法来帮助减少非平稳性和不可伸缩性的影响。在这项工作中，我们研究了一种新的方法来分散多智能体学习和规划，试图解决这两个挑战。特别是，这种方法的灵感来自于蚁群的凝聚力，协调性和行为。因此，这些算法被设计为自然可扩展到具有众多代理的系统。虽然不能保证最优性，但该方法旨在在实践中工作良好，并且在存在的药剂数量下比其他药剂的功效更好。该方法结合了单智能体RL和蚁群启发的分散，stigmergic算法的多智能体路径规划和环境修改。具体来说，我们将此算法应用于代理必须导航到目标位置的设置中，学习将矩形框推入孔中以产生新的可遍历路径。结果表明，虽然这种方法在这个特定的环境中产生有前途的成功，它可能不容易推广到其他人。该算法的设计是值得注意的是可扩展到许多代理，但由于其相对简单，基于规则的方法是有限的，在其性能。此外，RL训练的策略的可组合性受到质疑，虽然策略在其训练环境中是成功的，但将训练的策略应用于更大规模的多代理框架会导致不可预测的行为。
2021-05-08 cs.AI cs.LG cs.MA
Towards Global Optimality in Cooperative MARL with the Transformation And Distillation Framework
Washington University in St. Louis（华盛顿大学圣路易斯分校）；Institute for Interdisciplinary Information Sciences, Tsinghua University（清华大学交叉信息研究院）；Department of Computer Science and Technology, Tsinghua University（清华大学计算机科学与技术系）
本文提出TAD框架，通过将多智能体MDP转换为单智能体MDP并蒸馏策略，解决合作MARL中的优化问题，实现全局最优并提升执行性能。
2025-12-26 cs.AI cs.LG cs.MA
Is Centralized Training with Decentralized Execution Framework Centralized Enough for MARL?
Zhejiang University（浙江大学）；Zhejiang Provincial Engineering Research Center for Real-Time SmartTech in Urban Security Governance, School of Computer and Computing Science, Hangzhou City University（浙江省实时智慧城市治理实时智能技术工程研究中心，计算机与计算科学学院，杭州市大学）；State Key Laboratory of Blockchain and Data Security, Zhejiang University（区块链与数据安全国家重点实验室，浙江大学）；Hangzhou High-Tech Zone (Binjiang) Institute of Blockchain and Data Security（杭州高新技术区（滨江区）区块链与数据安全研究院）
针对CTDE难以充分利用全局协作信息的问题，本文提出CADP框架，通过训练期显式建议交换与平滑模型剪枝保证分散执行，并在StarCraft II和GRF基准上取得更优性能。
2025-05-13 cs.AI cs.LG cs.MA
Fully-Decentralized MADDPG with Networked Agents
ETHZ（苏黎世联邦理工学院）
本文提出三种基于网络化通信和代理策略的全去中心化演员-评论家算法，在合作、对抗及混合多智能体连续控制任务中取得与MADDPG相当的性能，并显著降低计算成本。
2025-03-09 cs.AI cs.LG cs.MA
Adaptive AI-based Decentralized Resource Management in the Cloud-Edge Continuum
Department of Computer Science, University of Pisa（计算机科学系，比萨大学）
本文提出了一种结合图神经网络和协同多智能体强化学习的混合框架，用于在云边连续体中实现高效、自适应和可扩展的资源管理。
2026-02-06 cs.AI cs.DC
A Cordial Sync: Going Beyond Marginal Policies for Multi-Agent Embodied Tasks
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Allen Institute for AI（艾伦人工智能研究院）；University of Washington（华盛顿大学）
自主智能体必须学会合作。每次任务的难度超过单个代理的能力时，开发新的集中式代理是不可扩展的。虽然多智能体协作的研究已经蓬勃发展，在网格世界的环境，相对较少的工作，认为视觉丰富的领域。为了解决这个问题，我们引入了一个新的任务“移动”，在这个任务中，智能体一起工作，将一件家具通过客厅移动到一个目标。与现有的任务不同，CIMOMove需要代理在每个时间步进行协调。我们确定了两个挑战时，训练代理完成CIMOMove：现有的分散行动抽样程序不允许表达联合行动的政策，在需要密切协调的任务，失败的行动的数量占主导地位的成功的行动。为了应对这些挑战，我们引入了同步策略（连贯地同步您的行动）和协调损失（CORDIAL）。通过使用SYNC策略和CORDIAL，我们的代理商实现了58%的移动支付完成率，比竞争对手的分散基线提高了25个百分点。我们的数据集，代码和预训练模型可在https://unnat.github.io/cordial-sync上获得。
2020-07-09 cs.AI cs.CV cs.LG
Decentralized Safe Multi-Agent Reinforcement Learning via Predictive Shielding
ENSTA（国立高等先进技术学院）；IP Paris（巴黎理工学院）；UC Berkeley（加州大学伯克利分校）
提出一种去中心化框架，结合预测屏蔽与基于模型的有限时域Q学习，使多智能体在部署中安全调整策略，并引入无通信协议解决对称场景中的活锁问题。
2026-09-09 cs.AI cs.MA cs.RO
Diffusing to Coordinate: Efficient Online Multi-Agent Diffusion Policies
University of Science and Technology of China（中国科学技术大学）
提出首个在线离线策略多智能体强化学习框架OMAD，利用扩散策略和松弛策略目标最大化缩放联合熵，实现高效探索与协调，在MPE和MAMuJoCo上样本效率提升2.5至5倍。
2026-06-11 cs.AI
A Semi-Decentralized Approach to Multiagent Control
Stanford University（斯坦福大学）；Northeastern University（东北大学）
本文提出半去中心化方法，用于解决多智能体控制中的通信不确定性问题，通过SDec-POMDP框架统一了去中心化和多智能体POMDP，并引入RS-SDA*算法生成最优策略。
2026-03-12 cs.AI
Decentralized Multi-Agents by Imitation of a Centralized Controller
UCLA（加州大学洛杉矶分校）；Max Planck Institute, Leipzig（莱比锡马克斯·普朗克研究所）；University of California, Los Angeles（加州大学洛杉矶分校）
本文提出了一种基于集中训练、去中心执行框架的新型算法，通过模仿学习生成去中心化多智能体，解决了多智能体强化学习中非平稳和部分可观测环境下的协作问题。
2021-04-22 cs.AI cs.LG cs.MA
Last-iterate Convergence of Decentralized Optimistic Gradient Descent/Ascent in Infinite-horizon Competitive Markov Games
University of Southern California（南加州大学）
我们研究无限时域折扣两人零和马尔可夫博弈，并开发了一个分散的算法，证明收敛到纳什均衡下的自我发挥。我们的算法基于对每个状态运行乐观梯度下降算法来学习策略，并使用一个慢慢学习每个状态值的评论家。据我们所知，这是第一个算法，在这种设置，同时是理性的（当对手使用固定策略时，收敛到对手的最佳对策），收敛（收敛到自我博弈下的纳什均衡集），不可知论者（不需要知道对手的动作），对称（玩家在算法中扮演对称角色），并享受有限时间的最后收敛保证，所有这些都是分散算法的理想特性。
2021-07-07 cs.AI cs.LG stat.ML
Learning Self-Orchestration in Decentralized Agent Swarms
Harvard University（哈佛大学）
提出基于市场的后训练（MPT）框架，在去中心化智能体群体中联合学习动作策略与自组织协调，经多任务验证其性能优于整体式后训练，可提升群体的鲁棒性与扩展性。
2026-10-20 cs.AI cs.CL cs.MA
Signal Instructed Coordination in Cooperative Multi-agent Reinforcement Learning
Shanghai Jiao Tong University（上海交通大学）；Tencent AI Lab（腾讯人工智能实验室）；University College London（伦敦大学学院）；Carnegie Mellon University（卡内基梅隆大学）；Huya AI（虎牙人工智能）
在许多现实世界的问题中，一组智能体需要合作以最大化共同的回报。虽然现有的工作制定这个问题到一个集中学习与分散执行框架，这避免了非平稳问题的训练，他们的分散执行范式限制了代理的协调能力。受相关均衡概念的启发，我们提出引入协调信号来解决这一限制，并从理论上证明了在温和的条件下，具有协调信号的分散代理可以协调其由集中控制器操纵的个人策略。引入协调信号的思想是将协调策略封装到信号中，并利用信号来指导分散执行中的协作。为了鼓励代理学习利用协调信号，我们提出了信号指导协调（SIC），一种新的协调模块，可以集成到大多数现有的MARL框架。SIC将从预定义分布中采样的公共信号投射到所有代理，并引入信息理论正则化以促进观察到的信号与代理策略之间的一致性。我们的实验表明，SIC一致提高性能公认的MARL模型在矩阵游戏和捕食者-猎物游戏与高维战略空间。
2019-11-20 cs.AI cs.MA
CoMIX: A Multi-agent Reinforcement Learning Training Architecture for Efficient Decentralized Coordination and Independent Decision-Making
University of Bologna（博洛尼亚大学）；University College London（伦敦大学学院）
本文提出多智能体强化学习训练框架 CoMIX，通过将自私与协作行为建模为决策增量步骤，实现去中心化智能体的涌现式协调与独立决策，并在实验中显著优于基线。
2024-12-23 cs.AI cs.LG cs.MA
Automata-Conditioned Cooperative Multi-Agent Reinforcement Learning
Massachusetts Institute of Technology（麻省理工学院）；Stanford University（斯坦福大学）
提出自动机条件化协作多智能体强化学习框架，通过自动机分解团队目标为子任务，学习任务条件化的分散策略，实现最优任务分配和多步协调。
2026-06-01 cs.AI cs.CL cs.FL
Decentralized MCTS via Learned Teammate Models
Delft University of Technology（代尔夫特理工大学）
分散在线规划可以是一个有吸引力的合作多智能体系统的范例，由于改进的可扩展性和鲁棒性。这种方法的一个关键困难在于对其他代理人的决策做出准确的预测。在本文中，我们提出了一个可训练的在线分散规划算法的基础上分散的蒙特卡罗树搜索，结合模型的队友从以前的情节运行。通过只允许一个代理，以适应其模型在一个时间，在理想的政策近似的假设下，我们的方法的连续迭代保证改善联合政策，并最终导致收敛到一个纳什均衡。我们通过在[Claes et al.，2015年]。我们表明，深度学习和卷积神经网络可以用来产生精确的策略近似器，利用问题的空间特征，并且所提出的算法提高了基线规划性能，特别是具有挑战性的域配置。
2020-11-10 cs.AI
Semi-Supervised Imitation Learning of Team Policies from Suboptimal Demonstrations
Rice University（莱斯大学）
我们提出了贝叶斯团队模仿学习器（BTIL），一个模仿学习算法来模拟在马尔可夫域中执行顺序任务的团队行为。与现有的多智能体模仿学习技术相比，BTIL明确建模和推断团队成员随时间变化的心理状态，从而使分散的团队政策的学习从次优团队合作的示范。此外，为了允许从小数据集进行样本和标签有效的策略学习，BTIL采用贝叶斯观点，并且能够从半监督演示中学习。我们展示和基准的合成多智能体任务的性能，以及一个新的数据集的人类代理团队合作的BTIL。我们的实验表明，尽管团队成员的心理状态（随时间变化和潜在的不一致）对他们的行为的影响，BTIL可以成功地学习团队政策的演示。
2022-09-20 cs.AI cs.LG cs.MA
Multi-Agent Trust Region Policy Optimization
University of Rhode Island（罗德岛大学）
本文将TRPO扩展至多智能体强化学习，通过将策略更新转化为分布式共识优化问题，提出完全去中心化且保护隐私的MATRPO算法，并在合作博弈中验证了其稳健性能。
2023-08-05 cs.AI cs.MA
Finite Model Approximations and Asymptotic Optimality of Quantized Policies in Decentralized Stochastic Control
Queen’s University（女王大学）
本文研究了通过观测和行动空间均匀量化构造有限模型的静态和动态团队问题，证明这些模型能以任意精度逼近最优成本，尤其在Witsenhausen反例和高斯中继信道问题中展示了去量化策略的渐近最优性。
2016-01-01 cs.SY eess.SY math.OC
A Framework for Real-World Multi-Robot Systems Running Decentralized GNN-Based Policies
University of Cambridge（剑桥大学）
GNN是一种范式转换的神经架构，用于促进复杂多智能体行为的学习。最近的工作已经表现出显着的性能，如群集，多智能体路径规划和合作覆盖的任务。然而，通过基于GNN的学习方案获得的策略尚未部署到物理多机器人系统的现实世界中。在这项工作中，我们提出了一个系统的设计，允许完全分散执行基于GNN的政策。我们创建了一个基于ROS2的框架，并在本文中详细阐述了它的细节。我们展示了我们的框架上的案例研究，需要机器人之间的紧密协调，并提出了第一种的结果，显示成功的现实世界部署的GNN为基础的政策上的分散的多机器人系统依赖于自组织通信。这个案例研究的视频演示以及附带的源代码存储库可以在网上找到。https://www.youtube.com/watch? https://github.com/proroklab/ros2_multi_agent_passage https://github.com/proroklab/rl_multi_agent_passage
2022-02-28 cs.LG cs.MA cs.RO
Policy Improvement From Private Information For Decentralized LQG Teams
Cornell University（康奈尔大学）
针对带延迟信息的去中心化LQG团队问题，本文提出基于私有信息增益梯度下降的线性策略优化算法，通过实例验证了该算法可实现策略改进。
2026-10-14 cs.SY eess.SY
Decentralized Age-of-Information Bandits
AoI（信息量）是调度系统的性能指标，用于测量在预期目的地可用的数据的新鲜度。AoI被正式定义为自目的地从源接收到最近的更新以来所经过的时间。我们考虑的问题调度，以尽量减少在多源多通道设置的累积AOI。我们的重点是设置在信道统计是未知的，我们模型的问题作为一个分布式多臂强盗问题。对于一个适当定义的AoI后悔度量，我们提供了现有的基于UCB的分布式多臂强盗问题的政策的分析性能保证。此外，我们提出了一种新的政策的基础上汤姆森抽样和混合政策，试图平衡上述政策之间的权衡。此外，我们开发这些政策的AoI感知变体，其中每个源在决策时考虑其当前的AoI。我们通过模拟比较各种政策的性能。
2021-01-18 cs.IT cs.SY eess.SY
Safe Decentralized Multi-Agent Control using Black-Box Predictors, Conformal Decision Policies, and Control Barrier Functions
Washington University in St. Louis（圣路易斯华盛顿大学）
针对去中心化多智能体机器人场景中黑盒模型预测轨迹不确定的安全控制挑战，提出基于共形决策理论自适应调整控制障碍函数约束严格程度的方法，合成平衡安全与任务的控制器，并在Stanford Drone Dataset中验证了性能。
2025-03-07 cs.MA cs.RO cs.SY
High-Probability Nash Regret for Decentralized Learning in Markov $α$-Potential Games: Episodic and Fully Online Asynchronous Algorithms with Applications to Markov Congestion Games
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
针对马尔可夫α-势博弈，提出KL投影自然策略梯度算法，在情节式和完全在线异步设置下实现高概率纳什遗憾界，消除分布不匹配系数，并应用于马尔可夫拥塞博弈的在线作业调度。
2026-09-15 cs.GT cs.LG cs.MA
Collision Avoidance and Liveness of Multi-agent Systems with CBF-based Controllers
在本文中，我们考虑使用控制障碍函数（CBF）避免碰撞的多智能体导航。在非通信代理的情况下，我们考虑安全保证水平和活性之间的权衡-在短时间内到达目的地而不需要大的弯路或交通堵塞的能力。我们比较了几个CBF为基础的驾驶政策对基准建立的集中式控制器，需要通信。正在比较的策略之一（CCS 2）是新的，并且跨越了仅可用本地控制的策略与更复杂的预测-校正冲突避免（PCCA）策略之间的空间，该PCCA策略基于观察到的行为调整每个人的控制动作的本地副本。本文为集中式、PCCA和CCS2策略建立了可行性。蒙特卡洛模拟表明，分散的，只有主机的控制策略相比，在计算中使用所有的控制输入，PCCA政策表现同样好，集中式相比，缺乏活性，即使它是分散的。
2020-12-18 cs.SY eess.SY
Fully Decentralized Reinforcement Learning-based Control of Photovoltaics in Distribution Grids for Joint Provision of Real and Reactive Power
在本文中，我们引入了一个新的框架，以解决电压调节的问题，在不平衡的配电网与深光伏渗透。在这个框架中，每个太阳能电池板智能逆变器都明确控制有功和无功功率设定值，目标是同时最小化系统范围的电压偏差和最大化太阳能功率输出。我们将问题表述为具有连续动作空间的马尔可夫决策过程，并使用基于强化学习的方法--邻近策略优化来解决它，而不需要任何预测或网络拓扑或线路参数的明确知识。通过以准稳态方式表示系统，并通过仔细制定马尔可夫决策过程，我们降低了问题的复杂性，并允许完全分散（无通信）的政策，所有这些都使训练的政策更加实用和可解释。基于美国中西部实际网络，对240节点不平衡配电网进行了数值模拟，用于验证所提出的框架和强化学习方法。
2021-04-29 cs.SY eess.SY
Real-time Sampling and Estimation on Random Access Channels: Age of Information and Beyond
高效的采样和远程估计对于物联网和网络物理系统中大量的无线授权应用至关重要。出于这样的应用，这项工作提出了分散的政策，实时监测和估计的自回归过程在随机接入信道。研究了两类策略：（i）不经意的方案，其中采样和传输策略独立于被监视的过程，以及（ii）非不经意的方案，其中发射机因果地观察其相应的决策过程。在一类不经意的政策，我们表明，最小化预期的时间平均估计误差是等价于最小化预期年龄的信息。因此，我们证明了在这个类的最小可实现的估计误差的上下界。接下来，我们考虑非遗忘策略，并设计了一个阈值策略，称为基于错误的细化，其中每个源节点成为活跃的，如果其瞬时错误已超过一个固定的阈值（我们优化）。然后，主动节点按照时隙ALOHA策略发送随机数据。一个封闭的形式，近似最优的，解决方案的阈值以及由此产生的估计误差。结果表明，非不经意的政策提供了一个乘法增益接近$3$相比，不经意的政策。此外，它表明，不经意的政策，使用年龄的信息进行决策，提高了国家的最先进的至少由乘法因子$2$。所有讨论的政策的性能进行了比较，使用模拟。数值比较表明，所提出的分散式策略的性能非常接近集中式贪婪调度。
2022-06-08 cs.IT cs.NI cs.SY
Multi-agent systems with CBF-based controllers -- collision avoidance and liveness from instability
保证系统稳定性通常是主要的控制设计目标。在本文中，我们提出了一个系统，不稳定性提供了一个至关重要的好处。我们考虑使用控制障碍函数（CBF）的多智能体碰撞避免和研究安全性和活性之间的权衡-没有大的弯路或交通堵塞到达目的地的能力。我们比较了两个标准的分散政策，只有本地（主机）控制可用，共同优化的政策（PCCA和CCS），每个人的（虚拟）控制动作可用。协同优化策略计算每个人的控制权，即使他们缺乏关于其他人意图的信息。为了进行比较，我们使用集中式的完整信息策略作为基准。本文的一个贡献是证明了集中式，PCCA和CCS策略的可行性。Monte Carlo模拟表明，分散的，只有主机的控制策略和CCS缺乏活跃性，而PCCA策略执行以及集中。接下来，我们解释了观察到的结果，考虑两个代理商谈判通过一个路口的顺序。我们发现，所产生的均衡的结构和稳定性与观察到的倾向，以僵局-不稳定的均衡政策避免僵局，而那些稳定的不。
2022-07-11 cs.SY eess.SY
Mission-critical spectrum sharing with decentralized Multi-Agent Reinforcement Learning
Idaho National Laboratory（爱达荷国家实验室）；Howard University（霍华德大学）；University of Florida（佛罗里达大学）
针对关键任务频谱共享中的冲突问题，提出一种基于马尔可夫势博弈的去中心化多智能体强化学习模型，采用轻量级线性演员-评论家算法，在保持吞吐量的同时将总体冲突减少高达96.8%。
2026-10-08 cs.IT cs.SY eess.SY
Decentralized multi-agent reinforcement learning with shared actions
在本文中，我们提出了一种新的无模型的强化学习算法来计算最优策略的多智能体系统与$N$合作代理，每个代理私人观察自己的私人类型和公开观察对方的行动。目标是最大化他们的集体回报。该问题属于广义的部分信息分散控制问题。我们使用的共同代理人的方法，其中一些虚构的共同代理人挑选最佳政策的基础上，对代理人的当前状态的信念。这些信念根据每个代理当前的信念和动作历史单独更新。在没有系统动力学知识的情况下更新信念状态是一个挑战。在本文中，我们采用粒子过滤器称为自助过滤器分布在代理更新的信念。我们提供了一个无模型的强化学习（RL）方法，这个多代理部分可观察马尔可夫决策过程使用粒子滤波器和采样轨迹估计代理的最优策略。我们展示了我们的结果的帮助下，智能电网应用程序，用户努力降低集体成本的电力在电网中的所有代理。最后，我们比较了RL算法的模型和无模型实现的性能，建立了粒子滤波（PF）方法的有效性。
2020-03-23 cs.SY eess.SY
Multi-robot Cooperative Pursuit via Potential Field-Enhanced Reinforcement Learning
Sun Yat-sen University（中山大学）
这是一个巨大的挑战，虽然有前途，协调集体机器人狩猎逃避者在一个分散的方式纯粹根据当地的观察。在本文中，这一挑战是解决了一种新的混合协同追踪算法，结合强化学习与人工势场法。在该算法中，分散的深度强化学习是用来学习合作的追求政策，是适应动态环境。将人工势场法作为预定义规则融入到学习过程中，提高了数据效率和泛化能力。数值仿真结果表明，所提出的混合设计优于香草强化学习或势场法设计的追求策略。此外，通过将学习到的追踪策略转移到现实世界的移动机器人中进行实验。实验结果表明，该算法在学习多个合作追捕策略的可行性和潜力。
2022-03-09 cs.AI cs.MA cs.RO
Decentralized Ergodic Control: Distribution-Driven Sensing and Exploration for Multi-Agent Systems
Neuroscience and Robotics Laboratory（神经科学与机器人实验室）
本文提出一种去中心化恒定控制策略，用于解决多智能体非线性动态系统的时间变化区域覆盖问题，通过共识实现完全去中心化的多智能体控制政策，并展示了其在多智能体地形映射和目标定位中的应用。
2018-06-13 cs.RO cs.SY eess.SY
Stabilizing Queuing Networks with Model Data-Independent Control
针对到达率和服务率未知或时变的排队网络，提出仅依赖状态与拓扑的 MDI 控制策略及稳定性判据，并构造达到最大吞吐量的集中式和分散式策略。
2023-06-07 cs.SY eess.SY math.OC
Non-signaling Approximations of Stochastic Team Problems
本文研究了有限随机团队问题的非信号近似，提出了一种分层的团队决策规则体系，并通过可扩展的非信号策略对序列团队的最优策略进行近似，最后提出了关于量子相关策略最优值计算的开放性问题。
2020-06-16 cs.GT cs.SY eess.SY
Priority-Driven Control and Communication in Decentralized Multi-Agent Systems via Reinforcement Learning
Department of Electrical Engineering and Automation, Aalto University, Espoo, Finland（埃因霍恩理工大学电气工程与自动化系，芬兰 Espoo）；Finnish Center for Artificial Intelligence, Helsinki, Finland（芬兰人工智能中心，芬兰 Helsinki）
本文提出一种无模型、优先级驱动的强化学习算法，通过数据联合学习通信优先级和控制策略，解决事件触发控制中通信带宽浪费问题，实验表明其优于基线方法。
2026-05-12 cs.LG cs.RO cs.SY
CatlNet: Learning Communication and Coordination Policies from CaTL+ Specifications
Boston University（波士顿大学）；MIT Lincoln Laboratory（麻省理工学院林肯实验室）
在本文中，我们提出了一个基于学习的框架，同时学习的通信和分布式控制策略的异构多智能体系统（MAS）复杂的任务要求能力时序逻辑加（CaTL+）规范。这两种策略都是使用一种名为CatlNet的新型神经网络模型进行训练、实现和部署的。利用CaTL+的鲁棒性度量，我们集中训练CatlNet以最大化它，其中网络参数在所有代理之间共享，允许CatlNet轻松扩展到大型团队。CatlNet可以分布式部署。提出了一种计划修复算法来指导CatlNet的训练，提高了CatlNet的训练效率和整体性能。CatlNet方法在仿真中进行了测试，结果表明，经过训练，CatlNet可以引导分散的MAS系统在线，以满足CaTL+规范，具有很高的成功率。
2022-11-30 cs.LG cs.SY eess.SY
Manifold-constrained Hamilton-Jacobi Reachability Learning for Decentralized Multi-Agent Motion Planning
Purdue University（普渡大学）
提出流形约束的 HJR 学习框架，通过求解流形约束下的 HJR 问题获取任务感知安全条件，并集成到去中心化轨迹优化规划器中，实现安全且任务可行的多智能体运动规划。
2026-07-02 cs.RO cs.SY eess.SY
A Game-Theoretic Decentralized Real-Time Control of Electric Vehicle Charging Stations - Part I: Incentive Design
Politecnico di Milano（米兰理工大学）；Swiss Federal Institute of Technology, Lausanne（洛桑联邦理工学院）
本文提出一种去中心化算法整合到三级能源管理系统中，通过Stackelberg博弈交替方向乘子法设计激励机制，解决电动汽车充电站实时控制中的激励问题。
2026-04-09 cs.SY eess.SY
Decentralized Game-Theoretic Control for Dynamic Task Allocation Problems for Multi-Agent Systems
我们提出了一个分散的博弈论框架的多智能体系统的动态任务分配问题。在我们的问题公式化中，代理的效用取决于与成功完成分配给他们的任务相关的奖励和成本。奖励反映了智能体完成其分配任务的可能性，而成本反映了完成这些任务所需的努力（该努力由相应的最优控制问题的解决方案确定）。这里考虑的任务分配问题对应于一个动态的游戏，其解决方案取决于与经典的静态（或单行为）游戏配方的代理的状态。我们提出了一个贪婪的解决方案的方法，在该方法中，代理商相互协商，以找到一个相互同意的（或个别合理的）任务分配配置文件的基础上，反映其当前状态的任务实用程序的评价。我们通过大量的数值模拟来说明这项工作的主要思想。
2020-09-29 cs.MA cs.SY eess.SY
Decentralized and Uncoordinated Learning of Stable Matchings: A Game-Theoretic Approach
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
该研究提出稳定匹配学习的博弈论框架，证明纯纳什均衡等价于稳定匹配，提出两种去中心化无协调学习算法并分析其收敛性，搭建了离散匹配学习与连续博弈均衡学习的桥梁。
2024-08-15 cs.GT cs.LG cs.MA
