Многоагентное обучение с динамикой популяций

В обучении с подкреплением одной их ключевых проблем является проблема exploration. Для ее решения было предложено множество способов, которые полагаются на внутреннюю мотивацию. Опираясь на нее, были предложены подходы с индивидуальной любопытностью агентов. Но авторы статьи утверждают, что внутренней мотивацией нельзя объяснить критические адаптации человечества. Рассредоточение людей из Африки произошло скорее из-за внешней мотивации, изменений условий.

В статье предложен многоагентный подход, который дополнен динамикой популяций. Каждая популяция содержит какое-то число особей и управляется одной политикой. Правила же изменения количества особей напрямую следуют из утверждений Томаса Мальтуса: чем больше средний возврат награды у популяции, тем больше в ней особей.

Как итог, авторы показывают преимущества этого подхода для проблемы exploration и для обучения агентов в средах, где есть выгода от специализации видов.

Докладчик: Никита Сазанович.

Ссылка на слайды: https://research.jetbrains.org/files/...

Источник: www.youtube.com

Комментарии: