Dynamic Graph Communication for Decentralised Multi-Agent Reinforcement Learning
本文提出一种面向动态网络环境的去中心化多智能体通信框架,通过图注意力网络与多轮通信目标定位机制优化路由决策,在稀疏奖励环境中提升平均奖励9.5%并降低通信开销6.4%。
2024-12-30 cs.MA
Decentralised Consensus Learning Networks: SME Rotation Without Centralised Reward
研究提出去中心化多智能体学习框架,智能体通过加权社会共识更新信念,信任依同伴一致性推断的能力分配。经多场景模拟运行评估,发现SME轮换具多种特性,高维时知识集中于单个智能体,解释为去中心化学习的涌现属性。
2026-07-28 cs.MA
A Decentralised Multi-Agent Reinforcement Learning Approach for the Same-Day Delivery Problem
近几年来,当日送达服务越来越受欢迎。这些通常已被建模为以前的研究作为一个特定的类的动态车辆路径问题(DVRP),货物必须从一个仓库交付给一组客户在同一天的订单。DVRP的自适应精确解方法即使对于小问题实例也可能变得棘手。在本文中,我们将SDDP制定为马尔可夫决策过程(MDP),并使用参数共享的深度Q网络来解决它,这对应于分散的多智能体强化学习(MARL)方法。为此,我们创建了一个多代理基于网格的SDD环境,包括多个车辆,一个中央仓库和动态订单生成。此外,我们还引入了特定区域的订单生成和奖励概率。我们比较我们提出的MARL方法对混合间编程(MIP)的解决方案的性能。结果表明,我们提出的MARL框架执行与基于MIP的政策时,订单数量相对较低。对于具有高阶到达率的问题实例,计算结果表明MARL方法的性能低于MIP高达30%。当采用区域特定参数时,两种方法之间的性能差距变得更小。对于具有30个订单的5x5网格场景,差距从30%减少到3%。执行时间结果表明,MARL方法平均比基于MIP的策略快65倍,因此对于实时控制可能更有利,至少对于小型实例而言。
2022-03-22 cs.MA
Multi-Agent Common Knowledge Reinforcement Learning
University of Oxford(牛津大学)
协作多智能体强化学习通常需要分散的策略,这严重限制了智能体协调其行为的能力。在本文中,我们表明,代理之间的共同知识允许复杂的分散协调。在大量分散的合作多智能体任务中,例如,当智能体可以重建彼此观察的部分时,共同知识自然会出现。由于代理人独立地同意他们的共同知识,他们可以执行复杂的协调政策,以完全分散的方式对这些知识的条件。我们提出了多智能体常识强化学习(MACKRL),一种新的随机演员批评家算法,学习分层策略树。层次结构中的较高级别通过调节他们的共同知识来协调代理组,或者委托给具有较小子组但可能具有更丰富共同知识的较低级别。整个策略树可以以完全分散的方式执行。由于最低的策略树级别由每个代理的独立策略组成,因此MACKRL将独立学习的分散策略作为特殊情况。我们证明,我们的方法可以利用常识,在复杂的分散协调任务,包括一个随机矩阵游戏和挑战性的问题,星际争霸II单位微观管理的优越性能。
2020-01-11 cs.AI cs.GT cs.LG
Generating Local Shields for Decentralised Partially Observable Markov Decision Processes
University of Oxford(牛津大学)
本文提出一种护盾过程代数,用于在无通信的Dec-POMDP中指定安全全局行为,通过编译过程自动机和全局Mealy机,生成局部Mealy机以减少碰撞。
2026-04-08 cs.MA
Developing Decentralised Resilience to Malicious Influence in Collective Perception Problem
University of New South Wales(新南威尔士大学)
在集体决策中,设计只使用局部信息来影响群体行为的算法是一个重要的问题。我们使用了机器学习技术来教会群体成员将他们对环境的局部感知映射到最佳行动。受机器教育方法启发的课程旨在促进这一学习过程,并教授成员在集体感知问题中获得最佳表现所需的技能。我们通过创建一个课程来扩展以前的方法,该课程教授代理对恶意影响的弹性。实验结果表明,设计良好的基于规则的算法可以产生有效的代理。在进行意见融合时,我们通过让代理动态加权收到的意见来实现分散的弹性。我们发现恒定权重和动态权重之间没有显著差异,这表明基于动量的意见融合可能已经是一种弹性机制。
2022-11-06 cs.LG cs.MA
Decentralised Norm Monitoring in Open Multi-Agent Systems
本文研究了开放多智能体系统(MAS)中规范违反的检测问题。我们展示了如何,使用的想法,从纸条系统,我们可以设计的机制,包括MAS的代理人的激励,以监测其他代理人的行为规范的违反。提供奖励的费用不由MAS承担,也不是来自违反规范的罚款(在代理人可以自由离开并以不同身份重新加入的系统中,罚款可能是不可能征收的)。相反,监督激励来自获得MAS提供的服务的(代币)费用。在某些情况下,可以实现完美的监督(从而执行):在均衡中没有规范会被违反。在其他情况下,我们表明,虽然不可能实现完美的执行,但我们可以任意接近;我们可以使均衡中违反规范的概率任意小。我们使用模拟表明,我们的理论结果适用于只有1000个代理的多代理系统-系统迅速收敛到确保监控所需的代币令牌的稳态分布,然后保持接近稳态。
2016-02-22 cs.GT cs.MA
Decentralised Q-Learning for Multi-Agent Markov Decision Processes with a Satisfiability Criterion
IIT Bombay(印度理工学院孟买分校)
本文提出一种去中心化Q-learning算法,结合gossip算法和多时间尺度机制,求解多智能体马尔可夫决策过程,使各智能体时间平均成本低于预设界限并验证了其有效性。
2023-11-21 cs.LG cs.MA cs.SY
Characterising Global Platforms: Centralised, Decentralised, Federated, and Grassroots
London School of Economics(伦敦政治经济学院);Weizmann Institute of Science(魏茨曼科学研究所)
本文提出基于原子事务的多智能体过渡系统和协议,用于研究全球平台,通过定义关键智能体将平台分为四类,并展示了其在社交网络等领域的应用及正确性验证。
2026-09-01 cs.DC cs.MA cs.SE
QMIX: Monotonic Value Function Factorisation for Deep Multi-Agent Reinforcement Learning
University of Oxford(牛津大学);Russian-Armenian University(俄亚大学)
在许多现实世界中,一组代理必须协调他们的行为,同时以分散的方式行事。同时,通常可以在模拟或实验室环境中以集中方式训练代理,其中全局状态信息可用并且通信约束被解除。学习以额外状态信息为条件的联合动作值是利用集中式学习的一种有吸引力的方法,但提取分散式策略的最佳策略尚不清楚。我们的解决方案是QMIX,这是一种新颖的基于价值的方法,可以以集中的端到端方式训练分散的策略。QMIX采用一个网络,该网络将联合动作值估计为每个代理值的复杂非线性组合,仅以局部观察为条件。我们在结构上强制执行的联合行动值是单调的每代理值,这使得易于处理的最大化的联合行动值在离策略学习,并保证集中和分散的政策之间的一致性。我们评估了QMIX在一组具有挑战性的星际争霸II微观管理任务,并表明QMIX显着优于现有的基于值的多智能体强化学习方法。
2018-06-06 cs.LG cs.MA stat.ML
Monotonic Value Function Factorisation for Deep Multi-Agent Reinforcement Learning
University of Oxford(牛津大学);Russian-Armenian University(俄罗斯-亚美尼亚大学);Facebook AI Research(脸书人工智能研究院)
在许多现实世界中,一个代理团队必须协调其行为,同时以分散的方式行事。同时,通常可以以集中的方式训练代理,其中全局状态信息可用并且通信约束被解除。学习以额外状态信息为条件的联合动作值是利用集中式学习的一种有吸引力的方法,但提取分散式策略的最佳策略尚不清楚。我们的解决方案是QMIX,这是一种新颖的基于价值的方法,可以以集中的端到端方式训练分散的策略。QMIX采用混合网络,将联合动作值估计为每个代理值的单调组合。通过在混合网络中使用非负权重,我们在结构上强制联合行动值在每个代理值中是单调的,这保证了集中式和分散式政策之间的一致性。为了评估QMIX的性能,我们提出了星际争霸多智能体挑战赛(SMAC)作为深度多智能体强化学习的新基准。我们评估QMIX的一组具有挑战性的SMAC场景,并表明它显着优于现有的多智能体强化学习方法。
2020-08-27 cs.LG cs.MA stat.ML
Intelligent Product 3.0: Decentralised AI Agents and Web3 Intelligence Standards
University of Cambridge(剑桥大学);RedBite Solutions Ltd(RedBite解决方案有限公司)
本文面向智能产品演进,整合去中心化身份、区块链产品履历与 AI 智能体协作,提出 Intelligent Product 3.0 规范及 Web3 智能标准。
2025-05-14 cs.AI cs.MA cs.NI
Counterfactual Multi-Agent Policy Gradients
University of Oxford(牛津大学)
针对协作多智能体系统的去中心化策略学习及信用分配问题,提出反事实多智能体策略梯度方法COMA,采用中心化评论家加去中心化演员架构,通过反事实基线高效分配信用,在星际争霸微操作任务中性能优于同类方法且比肩顶尖中心化控制器。
2024-12-11 cs.AI cs.MA
Agree to Disagree: Subjective Fairness in Privacy-Restricted Decentralised Conflict Resolution
University of Cambridge(剑桥大学);University of Pennsylvania(宾夕法尼亚大学);Imperial College London(伦敦帝国理工学院)
公平通常被视为一个系统的全球结果的属性,并假设集中和完整的知识。然而,在真正的分散应用中,代理只有部分观察能力。在有限的信息下,代理人依靠通信向他人泄露他们的一些私人(和不可观察的)信息。当一个代理人深思熟虑地解决冲突时,有限的知识可能会导致其正确结果的观点与冲突解决的实际结果不同。这是主观上的不公平。为了使分散的,公平意识的冲突解决隐私约束下,我们有两个贡献:(1)一个新的互动方法和(2)隐私和公平之间的关系的形式主义。我们提出的交互方法是一种隐私感知的可解释冲突解决架构,其中代理人参与假设和事实的对话。要衡量的隐私公平的关系,我们定义的主观和客观的公平在本地和全球范围内,并正式的影响,由于隐私的部分可观察性,在这些不同的公平概念。我们首先研究我们提出的架构和隐私公平的关系在抽象的,测试不同的论证策略,大量的随机文化。我们实证证明了隐私,客观公平和主观公平之间的权衡,并表明更好的策略可以减轻分布式系统中隐私的影响。除了在广泛的随机抽象文化的分析,我们分析了一个特定的情况下的案例研究:我们实例化我们的架构在一个多智能体模拟的优先级规则感知碰撞避免有限的信息披露。
2021-06-30 cs.LO cs.MA cs.RO
A Decentralised Self-Healing Approach for Network Topology Maintenance
在许多分布式系统中,从云到传感器网络,不同的配置会影响系统性能,同时强烈依赖于网络拓扑。因此,拓扑变化可能需要昂贵的重新配置和优化过程。本文提出了一种多代理解决方案,从节点故障恢复网络。为了保持网络拓扑结构,所提出的方法依赖于在运行时收集和传播的关于网络结构的本地信息。本文研究了两种拓扑数据分发策略:一种是基于移动代理(我们的建议),另一种是基于涓流(参考八卦协议从文献)。这两种策略适用于我们的自我修复的方法来收集拓扑信息恢复网络,并进行了评估的资源开销。实验结果表明,这两种变体都可以恢复网络拓扑,达到一定的节点故障率,这取决于网络拓扑。同时,移动代理收集的信息较少,专注于本地传播,足以满足网络恢复。这需要比使用涓流时更少的带宽开销。尽管如此,移动代理使用更多的内存和交换更多的消息,在数据收集过程中,比涓流。这些结果验证了所提出的自我修复解决方案的可行性,提供了两个不同的性能特点,这可能适合不同的应用领域的变体实现。
2020-10-21 cs.DC cs.MA
Modelling Strategic Deceptive Planning in Adversarial Multi-Agent Systems
欺骗在战争中几乎无处不在,应该成为军事行动研究的中心考虑因素。然而,在模拟操作代理行为的研究通常忽略了包括明确的模型欺骗。本文提出了一个计算模型,近似人类的欺骗性规划过程,使真实的表示策略欺骗多智能体系统。所提出的欺骗性规划模型提供了一个框架,用于研究,解释和发现欺骗性行为,从而能够生成对抗性规划问题的新解决方案。
2021-09-07 cs.MA
Multi-agent learning using Fictitious Play and Extended Kalman Filter
University of Manchester(曼彻斯特大学)
分散优化任务是多智能体系统的重要组成部分。这些任务可以被解释为n-玩家潜在的游戏:因此,博弈论的学习算法可以用来解决分散的优化任务。虚构游戏是这些算法的典型例子。然而,虚拟博弈隐含地假设参与者有固定的策略。我们提出了一个新的变种,虚构的发挥球员预测他们的对手的战略,使用扩展卡尔曼滤波器,并使用他们的预测,以更新他们的战略。我们表明,在2 × 2的游戏,至少有一个纯纳什均衡和潜在的游戏中,玩家有两个可用的行动,该算法收敛到纯纳什均衡。该算法的性能进行了实证测试,在两个战略形式的游戏和一个ad-hoc传感器网络监控问题。该算法在这些游戏中的表现优于经典的虚拟游戏算法,因此提高了分散优化中的游戏理论学习的性能。
2013-01-15 cs.LG cs.MA math.OC
Centralised rehearsal of decentralised cooperation: Multi-agent reinforcement learning for the scalable coordination of residential energy flexibility
Department of Engineering Science, University of Oxford(牛津大学工程科学系);Department of Computer Science, University of Liverpool(利物浦大学计算机科学系)
本文提出采用集中式但因子化 critic 的深度多智能体 actor-critic 方法,在执行前排练住宅能源协调,实现可扩展、隐私保护且训练成本显著降低的分布式控制。
2023-06-05 cs.LG cs.MA cs.SY
Strategic Communication and Language Bias in Multi-Agent LLM Coordination
Luxembourg Institute of Science and Technology(卢森堡科学与技术研究所);University of Trento(特伦托大学);University of Teesside(提赛德大学);University of Cambridge(剑桥大学)
本文研究了多智能体LLM场景中沟通对语言驱动合作效应的影响,利用FAIRGAME框架在GPT-4o和Llama 4 Maverick上进行实验,发现沟通显著影响行为并具有促进协调与强化偏见双重作用。
2025-11-04 cs.MA
Achieving Equilibrium under Utility Heterogeneity: An Agent-Attention Framework for Multi-Agent Multi-Objective Reinforcement Learning
针对多智能体多目标系统中异质效用函数加剧训练非平稳性的问题,提出AA-MAMORL框架,通过集中式训练学习全局效用联合信念、去中心化执行近似贝叶斯纳什均衡,实验证明其性能优于现有方法。
2025-11-12 cs.AI cs.MA
Networked Communication for Decentralised Agents in Mean-Field Games
Department of Computer Science(计算机科学系);University of Oxford(牛津大学)
本文提出一种网络通信机制,用于改进均场博弈中去中心化代理的训练效率,同时增强鲁棒性。
2025-12-22 cs.AI cs.LG cs.MA
CHMAS: A Coupled Hierarchical Framework for Multi-Agent Reinforcement Learning
University of California, Riverside(加州大学河滨分校)
本文针对多智能体强化学习跨时间尺度平衡协调与执行的挑战,提出CHMAS框架,将决策分解为集中战略规划与分布式战术执行,有双向信息流和反馈机制,还给出异步更新协议,经理论分析与实验验证,该框架有效。
2026-07-23 cs.MA
One Agent per Zone: Decentralised Active Inference under Partial Observability for Multi-Zone HVAC Control on Edge Hardware
Waldiez P.C.(Waldiez公司);ThinGenious P.C.(ThinGenious公司);PRAESC AI(PRAESC人工智能)
本研究提出一种为多区域HVAC控制设计的去中心化主动推理智能体集群,在边缘硬件上实现了更低的建筑峰值功率与错开的楼层峰值,性能优于基准方法。
2026-10-14 cs.AI cs.MA
Strategic Infrastructure Design via Multi-Agent Congestion Games with Joint Placement and Pricing
Aston University(阿斯顿大学)
本文提出一种多智能体框架,用于在战略互动下联合进行资源放置和定价决策,通过双层优化模型减少社会成本,实验表明在电动汽车充电领域可降低40%的社会成本。
2026-03-23 cs.MA
Strategic Abilities of Forgetful Agents in Stochastic Environments
本文研究了不完美信息下策略逻辑ATL和ATL*的概率变体,在随机转移模型中限制智能体使用无记忆策略,得出了新的可判定性和复杂性结果。
2023-10-26 cs.MA
Networked Communication for Mean-Field Games with Function Approximation and Empirical Mean-Field Estimation
University of Oxford(牛津大学)
本文提出基于函数逼近和经验均值估计的网络通信方法,解决均值场博弈中去中心化智能体在大规模状态空间和群体依赖策略下的学习问题。
2025-12-22 cs.AI cs.GT cs.LG
Strategic Pseudo-Goal Perturbation for Deadlock-Free Multi-Agent Navigation in Social Mini-Games
Delhi Technological University(德里技术大学)
本文提出策略性伪目标扰动(SPGP)技术,基于Safety Barrier Certificates框架,通过在死锁时选择伪目标引导智能体,有效解决多智能体导航中的死锁问题,提升系统效率与安全性。
2024-07-25 cs.MA cs.RO
Investigating the Impact of Subgraph Social Structure Preference on the Strategic Behavior of Networked Mixed-Motive Learning Agents
Purdue University(普渡大学)
本文研究了子图社会结构偏好对网络混合动机学习代理在序列社会困境中的战略决策影响,提出SRIM方法,通过不同子图结构偏好展示代理奖励获取和战略行为的差异,验证了子图结构影响的鲁棒性。
2026-04-04 cs.GT cs.MA
Strategic Negotiations in Endogenous Network Formation
本文研究内生网络形成中任意子集智能体可策略性歪曲信念的问题,提出求解全部纳什均衡的高效算法,并设计新智能体学习策略性信息的算法,在模拟与国际贸易数据上验证了多策略性智能体带来的复杂效用变化。
2024-09-03 cs.GT cs.MA math.OC
Contract-Based Compositional Shielding for Safe Multi-Agent Reinforcement Learning
Imperial College London(伦敦帝国学院);University of Manchester(曼彻斯特大学)
提出一种去中心化屏蔽方法,通过合约机制协调智能体局部LTL安全义务,在无集中运行时控制下保证全局安全并优化团队奖励。
2026-07-13 cs.LG cs.MA
A Unified Approach to Dynamic Decision Problems with Asymmetric Information - Part I: Non-Strategic Agents
本文研究了一类具有非对称信息和非策略代理的动态多代理决策问题,其中包括动态团队作为特例。当智能体是非策略性的时,一个智能体的策略是其他智能体所知道的。然而,代理人的策略选择和信念是相互依赖的,随着时间的推移,这种现象被称为信号。我们引入了私人信息的概念,有效地压缩代理人的信息在一个相互一致的方式。基于充分信息的概念,我们提出了一个信息状态,为每个代理,是足够的决策目的。我们提出了动态多代理决策问题的实例,我们可以确定每个代理的时不变域的信息状态。此外,我们提出了一个推广的部分观察马尔可夫决策过程(POMDP)的信念的政策独立性的动态多智能体决策问题。在信息不对称的动态团队的背景下,所提出的信息状态集导致一个顺序的分解,随着时间的推移,代理人的策略和信念之间的相互依赖性,并使我们能够制定一个动态的程序,以确定一个全局最优的政策,通过逆向归纳。
2018-12-03 cs.MA math.OC
The Influence of Human-inspired Agentic Sophistication in LLM-driven Strategic Reasoners
Department of Computer Science, Royal Holloway University of London(皇家霍洛威大学计算机科学系)
本研究通过三种智能体设计在猜测游戏中与人类对比,发现人类启发的认知结构能提升LLM智能体与人类策略行为的一致性,但复杂度与人类相似度呈非线性关系。
2025-08-26 cs.AI cs.MA
Intermittent Strategic Cooperation of Two Selfish Agents on Graphs
Bar-Ilan University(巴伊兰大学)
研究两个自私智能体在时间与空间约束下的战略合作问题,通过IC2PP模型刻画纯纳什均衡结构,证明均衡存在性并提出多项式时间枚举算法。
2026-06-17 cs.GT cs.MA cs.RO
Strategic Interactions in Multi-Level Stackelberg Games with Non-Follower Agents and Heterogeneous Leaders
Aston University(阿斯顿大学)
本文提出一个多层Stackelberg框架,考虑非跟随者和异质领导者,以更准确地建模拥堵耦合市场中的战略互动。
2026-03-04 cs.GT cs.MA
Strategically Efficient Exploration in Competitive Multi-agent Reinforcement Learning
TU Delft(代尔夫特理工大学);Microsoft Research NYC(微软研究院纽约);Microsoft Research Cambridge(微软研究院剑桥)
高样本复杂性仍然是强化学习(RL)应用的障碍,特别是在多智能体系统中。大量的研究表明,基于不确定条件下乐观原则的探索机制可以显著提高强化学习在单智能体任务中的样本效率。这项工作旨在了解乐观的探索在非合作的多智能体设置的作用。我们将证明,在零和游戏中,乐观的探索可能会导致学习者浪费时间采样与策略游戏无关的状态空间部分,因为它们只能通过双方玩家之间的合作才能实现。为了解决这个问题,我们引入了一个正式的概念,战略有效的探索在马尔可夫游戏,并使用此开发两个战略有效的学习算法有限马尔可夫游戏。我们证明,这些方法可以显着更有效的样本比他们乐观的同行。
2021-07-30 cs.AI cs.LG cs.MA
Language Agents with Reinforcement Learning for Strategic Play in the Werewolf Game
Zelai Xu(泽来许);Chao Yu(姚朝);Fei Fang(方飞);Yu Wang(王宇);Yi Wu(吴毅)
针对LLM智能体在复杂决策中因训练数据导致动作选择偏差的问题,提出用强化学习赋能LLM智能体的新框架,在狼人杀游戏中生成多样化候选动作并经RL策略择优,实验证明其克服了内在偏差并达到人类水平的策略博弈能力。
2025-05-29 cs.AI cs.LG cs.MA
Strategic Maneuver and Disruption with Reinforcement Learning Approaches for Multi-Agent Coordination
DEVCOM Army Research Laboratory(DEVCOM陆军研究实验室);Army Research Laboratory-Research Associateship Program(陆军研究实验室研究副研究员项目);University of Colorado Boulder(科罗拉多大学博尔德分校)
强化学习(RL)方法可以阐明促进多智能体系统(MAS)中智能体团队之间协调的紧急行为,这可以在各种军事任务中提供机会窗口。在技术上不断进步的对手对友好国家的利益和资源构成了巨大的风险。在现代复杂的环境中,单靠优势资源不足以击败对手,因为对手在多个领域制造僵局,反对可预测的基于军事理论的演习。因此,作为防御战略的一部分,友军必须使用战略机动和破坏,以获得在复杂的多方面领域,如多域作战(MDO)的优势。实施战略机动和破坏以获得对对手的优势的一个有希望的途径是通过MAS在未来军事行动中的协调。在本文中,我们概述了RL领域的突出作品及其优势和劣势,以克服与在军事环境中执行自主战略机动和中断相关的挑战。
2022-03-17 cs.AI cs.MA
When AI Agents Compete for Jobs: Strategic Capabilities and Economic Dynamics of AI Labour Markets
DAMTP, University of Cambridge(剑桥大学应用数学与理论物理系)
本文提出AI-Work模拟平台,研究AI代理在劳动力市场中的竞争行为,发现元认知、竞争意识和长期战略规划能力使代理获得更高利润和市场份额。
2026-07-02 cs.AI cs.MA
QVMix and QVMix-Max: Extending the Deep Quality-Value Family of Algorithms to Cooperative Multi-Agent Reinforcement Learning
John Cockerill Defense, Belgium(比利时约翰·科克里尔防务公司)
本文介绍了四种新的算法,可用于解决多智能体强化学习(MARL)的问题发生在合作设置。所有算法都基于深度质量-价值(DQV)算法家族,这是一组在处理单智能体强化学习问题(SARL)时已被证明是成功的技术。DQV算法的关键思想是与状态-动作值函数$Q$的近似一起共同学习状态-值函数$V$的近似。我们遵循这一原则,并通过引入两个完全分散的MARL算法(IQV和IQV-Max)和两个基于集中式训练与分散式执行训练范式(QVMix和QVMix-Max)的算法来推广这些算法。我们比较我们的算法与流行的星际争霸多智能体挑战赛(SMAC)环境中最先进的MARL技术。当QVMix和QVMix-Max与知名的MARL技术(如QMIX和MAVEN)进行比较时,我们显示出具有竞争力的结果,并显示QVMix甚至可以在一些测试环境中胜过它们,是整体表现最好的算法。我们假设这是由于QVMix受$Q$函数高估偏倚影响较小。
2020-12-22 cs.AI cs.LG cs.MA
Strategic Persuasion with Trait-Conditioned Multi-Agent Systems for Iterative Legal Argumentation
Aleph Alpha Research(Aleph Alpha研究)
提出战略法庭框架,通过特质条件化的大语言模型智能体模拟多轮法律辩论,发现异质团队表现更优,并引入强化学习特质编排器动态优化辩护策略。
2026-05-25 cs.AI cs.CL cs.MA
Strategic Topology Switching for Security-Part II: Detection & Switching Topologies
本文研究了二阶多智能体系统中的策略拓扑切换问题。在第二部分中,我们提出了一种基于拓扑切换的零动态攻击检测策略,其攻击开始时间不允许为初始时间。我们首先描述ZDA的可检测性的充分和必要条件,在网络拓扑结构被切换到和一组代理被监视。然后,我们利用特征化的可检测性条件,提出了一种基于Luenberger观测器的攻击检测算法。利用第一部分提出的切换次数策略和本文提出的拓扑切换策略,导出了一种策略性拓扑切换算法。它的主要优点是三方面的:(i)在没有攻击的情况下实现共识,控制协议不需要速度测量,并且算法对耦合权重的大小没有约束;(ii)在没有攻击的跟踪系统中,Luenberger观测器对观测器增益的大小和被监视代理的数量没有约束,即,只有一个被监视的代理的输出是足够的;(iii)在检测ZDA时,该算法允许防御者不知道攻击开始时间和行为不端的代理的数量(即,被攻击的人)。仿真结果验证了策略拓扑切换算法的有效性。
2019-03-04 cs.MA math.OC
Strategic Abilities of Asynchronous Agents: Semantic Side Effects and How to Tame Them
针对异步多智能体系统原有能力验证框架语义存在反直觉解读的问题,提出扩展语义表示、修改执行语义的解决方案,并证明模型约简方案仍适用于新框架。
2025-01-20 cs.LO cs.MA
A Sheaf Framework for Strategic Multi-Agent Systems: From Consensus to Nash Equilibria
本文提出一个统一的范畴框架,通过引入博弈层概念,将事件演算、SCEL类集成形成和博弈论奖励结构整合到时空历史的格罗滕迪克拓扑中,并证明纳什均衡对应于派生最佳响应对应层的全局截面,而同调障碍分类策略一致性的失败。
2026-06-01 cs.DC cs.GT cs.MA
Training Generalizable Collaborative Agents via Strategic Risk Aversion
Caltech Department of Computing and Mathematical Sciences, California Institute of Technology, Pasadena, CA, USA(加州理工学院计算机与数学科学系);Caltech(加州理工学院)
本文提出了一种基于战略风险规避的多智能体强化学习算法,通过增强协作鲁棒性,实现与未见过的合作伙伴的可靠协作。
2026-02-27 cs.AI cs.LG cs.MA
Tableau-based decision procedures for logics of strategic ability in multi-agent systems
University of the Witwatersrand(威特沃特斯兰德大学)
我们开发了一个增量的基于表的决策过程的交替时间时序逻辑ATL和它的一些变种。虽然在理论上建立的复杂性上限内运行,我们声称,我们的画面实际上是更有效的平均情况下,比其他决策程序ATL已知的。此外,其适应ATL的变体的容易性证明了所提出的程序的灵活性。
2008-09-09 cs.AI cs.LO cs.MA
HLSMAC: A New StarCraft Multi-Agent Challenge for High-Level Strategic Decision-Making
本文提出了HLSMAC基准,基于《三十六计》设计12个星际争霸2场景,以评估多智能体强化学习的高层战略决策能力,并引入超越胜率的新指标,验证了其作为稳健测试平台的有效性。
2025-09-16 cs.AI cs.CV cs.GT
Strategically Robust Game-Theoretic Multi-Agent Trajectory Optimization
MIT(麻省理工学院);Caltech(加州理工学院);ETH Zurich(苏黎世联邦理工学院)
针对去中心化先进空中交通中多智能体轨迹规划对均衡轨迹假设不现实的问题,提出策略鲁棒博弈公式,在有限扰动预算下保持精确动态势博弈性质并获准闭式解,实验表明能提升高风险场景鲁棒性且开销小。
2026-09-29 cs.GT cs.MA cs.SY
Corruption and Audit in Strategic Argumentation
Reasoning Research Institute(推理研究所)
策略论证提供了一个简单的代理人之间的争论和谈判的模型。虽然代理人可能会按照我们的最佳利益行事,但很少有强制执行这种行为的行为。(Maher,2016)介绍了战略论证中的腐败和反腐败模型。在本文中,我们确定腐败行为,没有检测到的配方。我们加强了模型来检测这种行为,并表明,在加强的模型下,(Maher,2016)中的所有战略目标都是抵制腐败的。
2020-08-30 cs.AI cs.CR cs.MA
A Data-Driven Discretized CS:GO Simulation Environment to Facilitate Strategic Multi-Agent Planning Research
USC Institute for Creative Technologies(USC创意技术研究所);Dept. of Computer Science University of Southern California(计算机科学系大学南加州大学);U.S. Army Combat Capabilities Development Command(美国陆军作战能力发展指挥部)
本文提出DECOY多智能体模拟器,通过航点系统离散化状态与动作,并结合基于真实CS:GO比赛数据训练的神经模型,以低计算成本实现高保真策略性规划模拟。
2025-09-19 cs.AI cs.LG cs.MA
Refining and Delegating Strategic Ability in ATL
我们建议扩展交替时间时序逻辑(ATL)的运营商<i refines-to G>F表示,代理i可以分配其权力的一组子代理G的方式,满足ATL条件f的战略能力,他们可能形成的联盟,可能与其他代理。证明了以该算子为主要连接符的子公式具有如下形式的公式的模型检验的可判定性<i_1 refines-to G_1>。<i_m refines-to G_m>f,在f中不再出现该运算符。
2014-04-03 cs.GT cs.LO cs.MA
Multi-Agent Reinforcement Learning for Autonomous Multi-Satellite Earth Observation: A Realistic Case Study
University of South Australia(南澳大利亚大学);Systems Research Institute, Polish Academy of Sciences(波兰科学院系统研究所)
针对多卫星对地观测中的自主协调挑战,本文利用MARL框架建模并扩展至多卫星星座,解决了能量与存储限制及部分可观测性下的去中心化协调问题,验证了最先进MARL算法在近现实仿真环境中的有效性与训练稳定性。
2025-11-05 cs.AI cs.MA cs.RO
Factorised Active Inference for Strategic Multi-Agent Interactions
Centre for Complex Systems, The University of Sydney(复杂系统中心,悉尼大学)
该研究提出因子化主动推理框架,通过让智能体维护对其他智能体内部状态的信念实现策略规划,结合博弈论研究非平稳环境下的多智能体交互,揭示了集合层面期望自由能的动力学特性与群体行为规律。
2025-05-20 cs.GT cs.LG cs.MA
A Unified Approach to Dynamic Decision Problems with Asymmetric Information - Part II: Strategic Agents
我们研究了一类具有不对称信息的动态博弈,其中代理人的信念是策略依赖的,即信号发生。我们表明,足够的信息的概念,介绍了在同伴的论文团队,可以用来有效地压缩代理的信息在一个相互一致的方式,是足够的决策目的。我们目前的动态游戏的实例与不对称信息,我们可以描述一个时不变的信息状态为每个代理。基于充分信息的概念,我们定义了一类动态博弈的均衡,称为基于充分信息的完美贝叶斯均衡(SIB-PBE)。利用SIB-PBE的概念,我们提供了一个顺序分解的动态游戏随着时间的推移信息不对称,这种分解导致一个动态的程序,确定SIB-PBE的动态游戏。此外,我们提供的条件下,我们可以保证存在的SIB-PBE。
2018-12-03 cs.GT cs.MA math.OC
Explaining Strategic Decisions in Multi-Agent Reinforcement Learning for Aerial Combat Tactics
Dalle Molle Institute for Artificial Intelligence (IDSIA) - SUPSI/USI(达勒莫尔人工智能研究所(IDSIA)- 瑞士南部应用科学与艺术大学/瑞士意大利语区大学);armasuisse Science and Technology(瑞士联邦国防采购局科学与技术)
针对多智能体强化学习在军事场景中因可解释性不足难以部署的问题,研究适配多种可解释技术分析空战场景下的模型行为,强调透明度对可靠部署与人机交互的重要性,支撑战略规划与军事训练。
2025-05-16 cs.AI cs.LG cs.MA