在多智能体系统中学习有向图上的信任（扩展版）
摘要：在一个多主体网络中，当存在一个未知子集由恶意行为者构成时，我们解决了学习其他代理的合法性的问题。我们特别针对有向图和可用的随机辅助信息，或者称为信任观察结果推导了结果。我们称之为“学习信任”，因为代理必须确定网络中哪些邻居是可靠的，并且我们推导出一种实现这一点的协议。我们还提供了分析结果显示：i）在这个协议下，代理能够几乎确定地学习到所有其他代理的合法性，以及ii）代理的观点在平均意义上收敛到网络中所有其他代理的真实合法性。最后，我们提供了数值研究，展示了我们的收敛结果在不同的网络拓扑和网络中恶意代理数量的变化下都成立。
作者：Orhan Eren Akg"un, Arif Kerem Day{i}, Stephanie Gil, and Angelia Nedi''c
论文ID：2212.02661
分类：Multiagent Systems
分类简称：cs.MA
提交时间：2022-12-07