研究人员开发了 GradMAP，一种新颖的基于梯度的多智能体近端学习方法，用于协调去中心化的电网边缘设备。该方法为每个智能体训练独立的神经网络策略，不共享参数，仅使用局部观测进行决策。GradMAP 在离线训练期间嵌入可微分潮流模型，以传播约束违反并更新策略，与现有基准相比，显著加快了训练速度。 AI
影响 为去中心化多智能体系统引入了新的训练方法，有望提高电网管理的效率。
排序理由 这是一篇研究论文，详细介绍了一种用于特定领域多智能体学习的新方法。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
arXiv:2604.24549v1 Announce Type: new Abstract: Coordinating large populations of grid-edge devices requires learning methods that remain fully decentralised in deployment while still respecting three-phase AC distribution-network physics. This paper proposes gradient-based multi…
Coordinating large populations of grid-edge devices requires learning methods that remain fully decentralised in deployment while still respecting three-phase AC distribution-network physics. This paper proposes gradient-based multi-agent proximal learning (GradMAP) to address th…