Skip to main content
CenXiv.org
此网站处于试运行阶段,支持我们!
我们衷心感谢所有贡献者的支持。
贡献
赞助
cenxiv logo > cs > arXiv:2206.03348

帮助 | 高级搜索

计算机科学 > 计算机科学与博弈论

arXiv:2206.03348 (cs)
[提交于 2022年6月6日 ]

标题: 基于规范的学习高社会福利纳什均衡

标题: Specification-Guided Learning of Nash Equilibria with High Social Welfare

Authors:Kishor Jothimurugan, Suguman Bansal, Osbert Bastani, Rajeev Alur
摘要: 强化学习已被证明是自动训练具有挑战性控制问题策略的有效策略。 专注于非合作多智能体系统,我们提出了一种新的强化学习框架,用于训练形成纳什均衡的联合策略。 在我们的方法中,用户不是提供低层次的奖励函数,而是提供高层次的规范,这些规范编码了每个智能体的目标。 然后,在规范结构的指导下,我们的算法搜索策略以确定一个可证明形成$\epsilon$-纳什均衡(高概率)的策略。 重要的是,它以最大化所有智能体社会福利的方式优先选择策略。 我们的实验评估表明,我们的算法计算出的社会福利高的均衡策略,而最先进的基线方法要么无法计算纳什均衡,要么计算出的社会福利相对较低。
摘要: Reinforcement learning has been shown to be an effective strategy for automatically training policies for challenging control problems. Focusing on non-cooperative multi-agent systems, we propose a novel reinforcement learning framework for training joint policies that form a Nash equilibrium. In our approach, rather than providing low-level reward functions, the user provides high-level specifications that encode the objective of each agent. Then, guided by the structure of the specifications, our algorithm searches over policies to identify one that provably forms an $\epsilon$-Nash equilibrium (with high probability). Importantly, it prioritizes policies in a way that maximizes social welfare across all agents. Our empirical evaluation demonstrates that our algorithm computes equilibrium policies with high social welfare, whereas state-of-the-art baselines either fail to compute Nash equilibria or compute ones with comparatively lower social welfare.
主题: 计算机科学与博弈论 (cs.GT) ; 人工智能 (cs.AI); 机器学习 (cs.LG)
引用方式: arXiv:2206.03348 [cs.GT]
  (或者 arXiv:2206.03348v1 [cs.GT] 对于此版本)
  https://doi.org/10.48550/arXiv.2206.03348
通过 DataCite 发表的 arXiv DOI

提交历史

来自: Kishor Jothimurugan [查看电子邮件]
[v1] 星期一, 2022 年 6 月 6 日 16:06:31 UTC (255 KB)
全文链接:

获取论文:

    查看标题为《》的 PDF
  • 查看中文 PDF
  • 查看 PDF
  • TeX 源代码
  • 其他格式
查看许可
当前浏览上下文:
cs.GT
< 上一篇   |   下一篇 >
新的 | 最近的 | 2022-06
切换浏览方式为:
cs
cs.AI
cs.LG

参考文献与引用

  • NASA ADS
  • 谷歌学术搜索
  • 语义学者
a 导出 BibTeX 引用 加载中...

BibTeX 格式的引用

×
数据由提供:

收藏

BibSonomy logo Reddit logo

文献和引用工具

文献资源探索 (什么是资源探索?)
连接的论文 (什么是连接的论文?)
Litmaps (什么是 Litmaps?)
scite 智能引用 (什么是智能引用?)

与本文相关的代码,数据和媒体

alphaXiv (什么是 alphaXiv?)
CatalyzeX 代码查找器 (什么是 CatalyzeX?)
DagsHub (什么是 DagsHub?)
Gotit.pub (什么是 GotitPub?)
Hugging Face (什么是 Huggingface?)
带有代码的论文 (什么是带有代码的论文?)
ScienceCast (什么是 ScienceCast?)

演示

复制 (什么是复制?)
Hugging Face Spaces (什么是 Spaces?)
TXYZ.AI (什么是 TXYZ.AI?)

推荐器和搜索工具

影响之花 (什么是影响之花?)
核心推荐器 (什么是核心?)
IArxiv 推荐器 (什么是 IArxiv?)
  • 作者
  • 地点
  • 机构
  • 主题

arXivLabs:与社区合作伙伴的实验项目

arXivLabs 是一个框架,允许合作伙伴直接在我们的网站上开发和分享新的 arXiv 特性。

与 arXivLabs 合作的个人和组织都接受了我们的价值观,即开放、社区、卓越和用户数据隐私。arXiv 承诺这些价值观,并且只与遵守这些价值观的合作伙伴合作。

有一个为 arXiv 社区增加价值的项目想法吗? 了解更多关于 arXivLabs 的信息.

这篇论文的哪些作者是支持者? | 禁用 MathJax (什么是 MathJax?)
  • 关于
  • 帮助
  • contact arXivClick here to contact arXiv 联系
  • 订阅 arXiv 邮件列表点击这里订阅 订阅
  • 版权
  • 隐私政策
  • 网络无障碍帮助
  • arXiv 运营状态
    通过...获取状态通知 email 或者 slack

京ICP备2025123034号