多智能体系统中鲁棒行动选择的快速算法
摘要：多智能体系统中的鲁棒性行动选择问题 摘要：本文考虑了多智能体系统中的鲁棒性行动选择问题，即在系统遭受最坏情况下的攻击时必须保证性能。具体而言，智能体被要求根据个性化的目标函数从一个共同的行动集中选择行动，我们的目标是保护系统免受攻击。在我们的问题形式化中，攻击者在了解系统解后，试图通过删除智能体的贡献来破坏系统，因此可以完美地攻击。为了保护多智能体系统免受此类攻击，我们的目标是在攻击下最大化所有智能体个体目标函数的最小性能。因此，我们提出了一个具有可调参数的快速算法，用于平衡复杂性和性能，与最近的方法相比，时间复杂度和性能都大大提高。最后，我们进行了蒙特卡洛模拟，以展示所提出算法的性能。
作者：Jun Liu and Ryan K. Williams
论文ID：2206.11824
分类：Multiagent Systems
分类简称：cs.MA
提交时间：2022-06-24