Bowen Wang

新的 DDAM 框架通过在线优化增强多智能体记忆

研究人员引入了一个分布式动态联想记忆 (DDAM) 框架，将经典的联想记忆扩展到多智能体、时变数据场景。提出的 DDAM-TOGD 算法采用基于树的分布式在线梯度下降方法，使智能体能够通过选择性的智能体间通信来更新其本地记忆。该框架包括理论性能保证，证明了次线性静态遗憾和动态遗憾界限，以及一种用于优化通信树以最小化延迟的策略。数值实验表明，DDAM-TOGD 在动态、分布式环境中优于现有的在线学习基线。