题目: A Survey and Critique of Multiagent Deep Reinforcement Learning

简介: 近年来,深度强化学习(RL)取得了出色的成绩。这使得应用程序和方法的数量急剧增加。最近的工作探索了单智能体深度强化之外的学习,并考虑了多智能体深度强化学习的场景。初步结果显示在复杂的多智能体领域中的成功,尽管有许多挑战需要解决。本文的主要目的是提供有关当前多智能体深度强化学习(MDRL)文献的概述。此外,我们通过更广泛的分析对概述进行补充:(i)我们回顾了以前RL中介绍的基础内容,并强调了它们如何适应多智能深度强化学习设置。 (ii)我们为该领域的新开业者提供一般指导:描述从MDRL工作中汲取的经验教训,指出最新的基准并概述研究途径。 (iii)我们提出了MDRL的实际挑战(例如,实施和计算需求)。

作者介绍: Pablo Hernandez-Leal,Borealis AI的研究员,在此之前,曾与Michael Kaisers一起参与过阿姆斯特丹CWI的智能和自治系统。研究方向:单智能体环境开发的算法以及多智能体。计划开发一种算法,该算法使用博弈论,贝叶斯推理和强化学习中的模型和概念在战略交互中得到使用。

成为VIP会员查看完整内容
124

相关内容

多智能体系统(multi-agent system,MAS) 是一种全新的分布式计算技术。自20 世纪70年代出现以来得到迅速发展,目前已经成为一种进行复杂系统分析与模拟的思想方法与工具。
多智能体深度强化学习的若干关键科学问题
专知会员服务
110+阅读 · 2020年5月24日
最新《智能交通系统的深度强化学习》综述论文,22页pdf
《强化学习》简介小册,24页pdf
专知会员服务
209+阅读 · 2020年4月19日
【综述】自动驾驶领域中的强化学习,附18页论文下载
专知会员服务
126+阅读 · 2020年2月8日
【文献综述】图像分割综述,224篇参考文献,附58页PDF
专知会员服务
102+阅读 · 2019年6月16日
自动驾驶最新综述论文(31页PDF下载)
专知
114+阅读 · 2019年1月15日
深度强化学习简介
专知
28+阅读 · 2018年12月3日
强化学习十大原则
专知
8+阅读 · 2018年9月17日
深度强化学习的弱点和局限
论智
4+阅读 · 2018年2月27日
深度强化学习的弱点和局限(上)
论智
5+阅读 · 2018年2月26日
【深度强化学习】深度强化学习揭秘
产业智能官
16+阅读 · 2017年11月13日
A survey on deep hashing for image retrieval
Arxiv
13+阅读 · 2020年6月10日
Arxiv
7+阅读 · 2019年10月6日
Arxiv
122+阅读 · 2018年10月8日
Image Captioning based on Deep Reinforcement Learning
Paraphrase Generation with Deep Reinforcement Learning
VIP会员
相关VIP内容
相关资讯
自动驾驶最新综述论文(31页PDF下载)
专知
114+阅读 · 2019年1月15日
深度强化学习简介
专知
28+阅读 · 2018年12月3日
强化学习十大原则
专知
8+阅读 · 2018年9月17日
深度强化学习的弱点和局限
论智
4+阅读 · 2018年2月27日
深度强化学习的弱点和局限(上)
论智
5+阅读 · 2018年2月26日
【深度强化学习】深度强化学习揭秘
产业智能官
16+阅读 · 2017年11月13日
相关论文
微信扫码咨询专知VIP会员