分布式自治系统中交互约束的益处
摘要：分布式自主系统的设计经常忽视底层网络动态的考虑。最近在多智能体系统和群体机器人中的研究都强调了智能体之间的相互作用对系统展现出的集体行为的影响。本文旨在突出底层交互网络在决定系统的集体行为性能方面的作用，并将其与物理网络的影响进行比较。我们通过定义一个集体学习问题，展示了智能体在存在噪声信息的情况下，必须达成对环境的一致意见。我们表明智能体之间的物理连接不如强制在系统中引入有限连接的交互网络对集体学习性能的影响重要。以这种方式限制智能体之间的交互显著提高了系统在集体学习环境中的性能。此外，我们进一步提供了关于在分布式自主系统中传播信息时“少胜于多”的证据。
作者：Michael Crosscombe and Jonathan Lawry
论文ID：2306.01179
分类：Multiagent Systems
分类简称：cs.MA
提交时间：2023-06-05