Seref Taha Kiremitci

揭示动态网络的去中心化学习方法

本文介绍了一种新颖的、用于动态网络上有限正态形博弈的去中心化学习方法。该方法允许智能体在不知道博弈规则的情况下学习社会最优均衡，仅依赖于局部收益比较和与时变邻居的通信。智能体交换随机信号和带时间戳的表格，利用表格融合和时间多数重构来处理动态通信，同时保持去中心化运行。该方法在功利主义和社会公平福利目标下实现了最优均衡选择的有限时间对数遗憾保证，并通过模拟证明了其有效性。