研究人员开发了一种线性规划方法，用于推导多智能体系统的最优效用函数，旨在通过纯协调价格（pPoA）来衡量和提高系统性能。该新方法首次解决了任意信息网络的最佳效用设计问题，将先前仅限于完全信息设置的工作进行了泛化。对于超模目标函数，研究证明了在不进行通信的情况下进行效用设计是最佳的，无论网络结构如何。此外，对于次模目标，数值分析表明其对通信故障具有鲁棒性；对于最大覆盖问题，特定的边际贡献效用设计被证明可以优化各种网络上的pPoA。 AI
影响 这项研究提供了一种优化多智能体协调的新方法，有望提高分布式系统和资源分配的效率。
排序理由 学术论文，详细介绍了在多智能体系统中推导最优效用函数的新方法。[lever_c_demoted from research: ic=1 ai=0.7]
在 arXiv cs.MA (Multiagent) 阅读 →
- arXiv
- game theory
- linear programming
- maximum coverage problem
- Nash equilibrium
- pure price of anarchy
- submodular set function
- Supermodular function
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →
