arXiv cs.AI· Svar Rajankumar Patel, Kshitij Jerath·· 9 小时前AI 评分22
ADiCo：用极值搜索控制优化多智能体强化学习中的团队行为
Optimizing Team Behavior via Extremum-seeking Control in Multi-agent Reinforcement Learning
AI 导读
研究者提出 Adaptive Diversity Control（ADiCo），一个双时间尺度框架，可在训练中在线调节多智能体强化学习的行为多样性。快速时间尺度上，Diversity Control（DiCo）将系统多样性调控至目标值；较慢时间尺度上，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-性能梯度的解析式。
来源：arXiv cs.AI · arxiv.org