Resumen

El objetivo principal del aprendizaje por refuerzo multiagente es lograr una política óptima global. Es difícil evaluar la función de valor con un espacio de estados de alta dimensionalidad. Por lo tanto, transferimos el problema del aprendizaje por refuerzo multiagente a un problema de optimización distribuida con términos de restricción. En este problema, todos los agentes comparten el espacio de estados y acciones, pero cada agente solo obtiene su propia recompensa local. Luego, proponemos una optimización distribuida con dinámicas de orden fraccionario para resolver este problema. Además, demostramos la convergencia del algoritmo propuesto e ilustramos su efectividad con un ejemplo numérico.

• Materias:Cifrado de búsqueda Seguridad informática Reconstrucción virtual Detección de intrusos Sistema de programación
• Subjects:Search encryption Computer security Virtual reconstruction Intrusion detection Programming system
• Palabras claves:Aprendizaje por refuerzo; Multiagente; Política; Optimización; Distribuido; Convergencia
• Keywords:Reinforcement learning; Multiagent; Policy; Optimization; Distributed; Convergence