arXiv Artificial Intelligence· Svar Rajankumar Patel, Kshitij Jerath·· 18 小时前AI 评分22
多智能体强化学习中的团队行为优化：基于极值搜索控制的自适应多样性控制框架 ADiCo
Optimizing Team Behavior via Extremum-seeking Control in Multi-agent Reinforcement Learning
AI 导读
研究者提出自适应多样性控制框架 ADiCo，通过双时间尺度机制在线调节多智能体强化学习中的行为多样性：快速时间尺度上由 DiCo 将系统多样性调控至目标值，慢速时间尺度上由极值搜索控制器（ESC）仅凭平均回合回报调整该目标，无需显式模型或多样性-性能梯度的解析表达。
来源：arXiv Artificial Intelligence · arxiv.org