集体理性约束的Agent协作强化学习

摘要

将多Agent协作学习过程看作是一个个的阶段博弈,针对博弈中存在多个均衡解的问题,提出一种集体理性约束下的多Agent协作强化学习算法.该算法使得系统中的每个Agent均按照集体利益最大化的集体理性原则进行行为选择,从而解决均衡解一致问题,同时使得集体长期回报值最大化,加快了学习速度.在集体理性的基础上通过评价各Agent对整体任务求解的贡献度,解决信度分配问题.追捕问题的仿真实验结果验证了算法的有效性.