Обучение представлений стратегий в многоагентных системах17.06.2018 07:00

Аннотация

Моделирование поведения агентов играет центральную роль в понимании возникновения сложных явлений в многоагентных системах. Предыдущие работы в области моделирования агентов в основном носили специализированный характер и опирались на ручное проектирование предметно-ориентированных априорных знаний. Мы предлагаем универсальную обучающую структуру для моделирования поведения агентов в любой многоагентной системе, используя всего лишь горстку данных о взаимодействиях. Наш подход представляет моделирование агентов как задачу обучения представлений. Соответственно, мы строим новую целевую функцию, вдохновленную обучением с подражанием и идентификацией агентов, и разрабатываем алгоритм неконтролируемого обучения представлений стратегий агентов. Мы эмпирически демонстрируем полезность предложенного подхода в (i) сложной многомерной соревновательной среде для задач непрерывного управления и (ii) кооперативной среде для коммуникации на задачах контролируемого прогнозирования, неконтролируемой кластеризации и оптимизации стратегий с использованием глубокого обучения с подкреплением.