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:1910.07483

帮助 | 高级搜索

计算机科学 > 机器学习

arXiv:1910.07483 (cs)
[提交于 2019年10月16日 (v1) ,最后修订 2020年1月20日 (此版本, v2)]

标题: MAVEN:多智能体变分探索

标题: MAVEN: Multi-Agent Variational Exploration

Authors:Anuj Mahajan, Tabish Rashid, Mikayel Samvelyan, Shimon Whiteson
摘要: 集中式训练与去中心化执行是合作深度多智能体强化学习中的一个重要设置,这是由于执行期间的通信限制和训练中的计算可行性。 本文分析了在复杂环境中表现优异的价值函数方法[43]。我们特别关注QMIX[40],这是该领域的当前最先进技术。我们证明,QMIX及其类似方法对联合动作值施加的表示约束会导致探索效果明显变差且产生次优解。 此外,我们提出了一种名为MAVEN的新方法,通过引入潜在空间实现值函数方法和策略方法的混合,以实现分层控制。基于值函数的代理根据分层策略控制的共享潜在变量调整自身行为。这使得MAVEN能够实现承诺性的时间扩展探索,这对于解决复杂的多智能体任务至关重要。我们的实验结果表明,MAVEN在具有挑战性的SMAC领域[43]取得了显著的性能提升。
摘要: Centralised training with decentralised execution is an important setting for cooperative deep multi-agent reinforcement learning due to communication constraints during execution and computational tractability in training. In this paper, we analyse value-based methods that are known to have superior performance in complex environments [43]. We specifically focus on QMIX [40], the current state-of-the-art in this domain. We show that the representational constraints on the joint action-values introduced by QMIX and similar methods lead to provably poor exploration and suboptimality. Furthermore, we propose a novel approach called MAVEN that hybridises value and policy-based methods by introducing a latent space for hierarchical control. The value-based agents condition their behaviour on the shared latent variable controlled by a hierarchical policy. This allows MAVEN to achieve committed, temporally extended exploration, which is key to solving complex multi-agent tasks. Our experimental results show that MAVEN achieves significant performance improvements on the challenging SMAC domain [43].
主题: 机器学习 (cs.LG) ; 机器学习 (stat.ML)
引用方式: arXiv:1910.07483 [cs.LG]
  (或者 arXiv:1910.07483v2 [cs.LG] 对于此版本)
  https://doi.org/10.48550/arXiv.1910.07483
通过 DataCite 发表的 arXiv DOI
期刊参考: Advances in Neural Information Processing Systems, 32, 2019, 7611-7622

提交历史

来自: Anuj Mahajan [查看电子邮件]
[v1] 星期三, 2019 年 10 月 16 日 17:29:25 UTC (5,867 KB)
[v2] 星期一, 2020 年 1 月 20 日 18:25:11 UTC (5,867 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:
stat.ML
< 上一篇   |   下一篇 >
新的 | 最近的 | 2019-10
切换浏览方式为:
cs
cs.LG
stat

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