多智能体学习如何在公共品困境中形成空间模式

固定数量的合作者与背叛者用表格型 Q-learning 和局部观测独立学习移动策略，合作者学习会在资源峰值周围形成聚集。在固定训练预算下，合作者高学习率、背叛者低学习率时集体福利损失最大，部分条件下还会出现由共同方向偏好支撑的移动带。在测试的合作者学习条件下，平均集体福利低于随机移动，而对智能体施加拥挤成本可挽回大部分福利损失。