论文笔记_A Decentralized Communication Policy for Multi Agent Multi Armed

基础符号

符号	说明
$t$	时刻
i ∈ { 1 , 2 , 3... n 0 } i \in \{1,2,3...n_0\} i∈{ 1,2,3...n0​}	选择（options、levels)
$i_{\ast }$	最佳选择（optimal option）
j ∈ { 1 , 2 , 3... n A } j \in \{1,2,3...n_A\} j∈{ 1,2,3...nA​}	玩家（agents）
${\mathcal{N}}_j^t$	与玩家$j$在时刻$t$进行交流的邻居集合（$j\in {\mathcal{N}}_j^t$）
φ i t ∈ { 1 , 2 , 3... n 0 } \varphi _i^t \in \{1,2,3...n_0\} φit​∈{ 1,2,3...n0​}	玩家$i$在时刻$t$做出的选择
$X_i^t$	在时刻$t$选择了$i$，对应的收益（reward）
Π { φ j t = i } ∈ { 0 , 1 } \Pi_{\{\varphi _j^t=i\}} \in \{0,1\} Π{ φjt​=i}​∈{ 0,1}	玩家$j$在时刻$t$是否选择了$i$
ϵ i j t ≜ { 1 , i f ( ∑ k ∈ N j t Π { φ k t = i } ) ≠ 0 0 , i f ( ∑ k ∈ N j t Π { φ k t = i } ) = 0 \epsilon _{ij}^t \triangleq \left\{\begin{matrix}1, & if \left ( \sum_{k \in \mathcal N_j^t} \Pi_{\{\varphi _k^t=i\}} \right ) \neq 0\\0, & if \left ( \sum_{k \in \mathcal N_j^t} \Pi_{\{\varphi_k^t=i\}} \right ) = 0\end{matrix}\right. ϵijt​≜⎩⎨⎧​1,0,​if(∑k∈Njt​​Π{ φkt​=i}​)​=0if(∑k∈Njt​​Π{ φkt​=i}​)=0​	玩家$j$及其邻居是否有人在时刻$t$选择了$i$
N i j ( t ) ≜ ∑ v = 1 t ϵ i