【标题】Trust-based Consensus in Multi-Agent Reinforcement Learning Systems

【作者团队】Ho Long Fung, Victor-Alexandru Darvariu, Stephen Hailes, Mirco Musolesi

【发表日期】2022.5.25

【论文链接】https://arxiv.org/pdf/2205.12880.pdf

【推荐理由】多智能体强化学习（MARL）中一个经常被忽视的问题是，环境中可能存在不可靠的智能体，其偏离预期的行为会阻止系统完成预期的任务。尤其是，一致性是协作分布式多智能体系统的一个基本基础问题。共识要求位于分散通信网络中的不同代理从他们提出的一组初始建议中达成一致。基于学习的智能体应该采用一种协议，允许他们在系统中有一个或多个不可靠的智能体的情况下达成共识。本文以共识为例，研究了MARL中的不可靠智能体问题。与分布式系统文献中已建立的结果相呼应，实验表明，即使是这种智能体的一小部分，也会极大地影响在网络环境中达成共识的能力。本文提出了基于强化学习的可信共识（RLTC），这是一种分散的信任机制，在这种机制中，智能体可以独立决定与哪些邻居通信。经验表明，本文的信任机制能够有效地处理不可靠的智能体，更高的共识成功率证明了这一点。

 

内容中包含的图片若涉及版权问题，请及时与我们联系删除