杂记
广义而言,自动化系统可以通过两个关键的设计选择来表征:(1)他们从自己的观察中学习吗?和(2)他们是否从其他自动化系统的观察中学习?对于当今实践中使用的许多自动化系统来说,这两个问题的答案都是否定的。这些预编程的自动化系统在所有任务中重复相同的程序,经常采取不必要和浪费的行动。
通过强化学习,自动化系统可以从以前的观察中学习[6,15,26,33,48]。然而,在实践中,自治系统观察世界的速度太慢,无法获取足够的学习数据,尤其是在最佳行动发生变化的非静态环境中。多智能体强化学习通过聚集来自多个智能体的数据(即,集群)。以前,MARL驱动的自动化系统面临的挑战是决定从哪些群体成员那里学习,但最近的研究开发了在线算法来探索具有可证明的保证/或强有力的经验结果的数据聚合[8,11,32,63]。然而,即使是最近的研究,与单智能体应用程序相比,集群也需要额外的计算资源。为了共享数据,集群成员必须联网,例如,。通过集线器[4,57]或无线[22,58]。探索数据聚合还需要额外的计算资源。