A Review of Cooperation in Multi-agent Learning

要約

マルチエージェント学習 (MAL) における協力は、ゲーム理論、経済学、社会科学、進化生物学など、数多くの分野が交わるテーマです。
この分野の研究は、目標が一致しているときにエージェントがどのように効果的に調整できるか、また、協力することで利益は得られるが対立の可能性が多い状況でエージェントがどのように協力できるかを理解することを目的としています。
このホワイトペーパーでは、マルチエージェント学習の基本概念、問題設定、アルゴリズムの概要を説明します。
これには、強化学習、マルチエージェントの逐次的意思決定、マルチエージェントの協力に関連する課題、最近の進歩の包括的なレビュー、および関連する指標の評価が含まれます。
最後に、研究に新たな道を切り開くことを目的として、この分野での未解決の課題について話し合います。

要約(オリジナル)

Cooperation in multi-agent learning (MAL) is a topic at the intersection of numerous disciplines, including game theory, economics, social sciences, and evolutionary biology. Research in this area aims to understand both how agents can coordinate effectively when goals are aligned and how they may cooperate in settings where gains from working together are possible but possibilities for conflict abound. In this paper we provide an overview of the fundamental concepts, problem settings and algorithms of multi-agent learning. This encompasses reinforcement learning, multi-agent sequential decision-making, challenges associated with multi-agent cooperation, and a comprehensive review of recent progress, along with an evaluation of relevant metrics. Finally we discuss open challenges in the field with the aim of inspiring new avenues for research.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google