Trust Region Policy Optimisation in Multi-Agent Reinforcement Learning

强化学习 单调函数 计算机科学 外稃(植物学) 多样性(控制论) 财产(哲学) 功能(生物学) 贝尔曼方程 数学优化 人工智能 数学 禾本科 生态学 进化生物学 生物 认识论 数学分析 哲学
作者
Jakub Grudzien Kuba,Ruiqing Chen,Muning Wen,Ying Wen,Fanglei Sun,Jun Wang,Yaodong Yang
出处
期刊:Cornell University - arXiv 被引量:2
标识
DOI:10.48550/arxiv.2109.11251
摘要

Trust region methods rigorously enabled reinforcement learning (RL) agents to learn monotonically improving policies, leading to superior performance on a variety of tasks. Unfortunately, when it comes to multi-agent reinforcement learning (MARL), the property of monotonic improvement may not simply apply; this is because agents, even in cooperative games, could have conflicting directions of policy updates. As a result, achieving a guaranteed improvement on the joint policy where each agent acts individually remains an open challenge. In this paper, we extend the theory of trust region learning to MARL. Central to our findings are the multi-agent advantage decomposition lemma and the sequential policy update scheme. Based on these, we develop Heterogeneous-Agent Trust Region Policy Optimisation (HATPRO) and Heterogeneous-Agent Proximal Policy Optimisation (HAPPO) algorithms. Unlike many existing MARL algorithms, HATRPO/HAPPO do not need agents to share parameters, nor do they need any restrictive assumptions on decomposibility of the joint value function. Most importantly, we justify in theory the monotonic improvement property of HATRPO/HAPPO. We evaluate the proposed methods on a series of Multi-Agent MuJoCo and StarCraftII tasks. Results show that HATRPO and HAPPO significantly outperform strong baselines such as IPPO, MAPPO and MADDPG on all tested tasks, therefore establishing a new state of the art.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
临水思长发布了新的文献求助10
1秒前
闪闪完成签到 ,获得积分10
1秒前
youknowdcf完成签到,获得积分10
1秒前
2秒前
hao123完成签到 ,获得积分10
2秒前
亮子完成签到,获得积分10
2秒前
xiaoziyi666完成签到,获得积分10
3秒前
huco完成签到,获得积分10
3秒前
CH应助着急的听南采纳,获得10
4秒前
是谁住在深海大菠萝里完成签到 ,获得积分10
4秒前
fareless完成签到 ,获得积分10
5秒前
KK完成签到,获得积分10
5秒前
ding应助XuX采纳,获得10
7秒前
第七个太阳完成签到,获得积分10
7秒前
小二郎应助永夜星河采纳,获得10
8秒前
王王泽发布了新的文献求助10
8秒前
挽风完成签到 ,获得积分10
8秒前
贝利亚完成签到,获得积分10
9秒前
蜂蜜完成签到,获得积分10
10秒前
10秒前
11秒前
bella完成签到,获得积分10
13秒前
流苏完成签到,获得积分10
13秒前
13秒前
cheng完成签到,获得积分10
14秒前
欣喜豌豆完成签到,获得积分10
14秒前
sun完成签到,获得积分10
14秒前
娜娜完成签到,获得积分10
15秒前
15秒前
helly完成签到,获得积分10
15秒前
复杂大象完成签到,获得积分10
16秒前
俭朴山兰完成签到,获得积分10
17秒前
zhaowenxian发布了新的文献求助10
18秒前
就晚安喽完成签到 ,获得积分10
18秒前
科研通AI2S应助齐嘉懿采纳,获得10
18秒前
丁老三完成签到,获得积分10
19秒前
ywsss完成签到,获得积分10
19秒前
Lily发布了新的文献求助10
19秒前
wangfaqing942完成签到 ,获得积分10
20秒前
20秒前
高分求助中
Sustainability in Tides Chemistry 2000
Microlepidoptera Palaearctica, Volumes 1 and 3 - 13 (12-Volume Set) [German] 1122
Дружба 友好报 (1957-1958) 1000
The Data Economy: Tools and Applications 1000
Mantiden - Faszinierende Lauerjäger – Buch gebraucht kaufen 700
PraxisRatgeber Mantiden., faszinierende Lauerjäger. – Buch gebraucht kaufe 700
A Dissection Guide & Atlas to the Rabbit 600
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3099850
求助须知:如何正确求助?哪些是违规求助? 2751315
关于积分的说明 7612736
捐赠科研通 2403282
什么是DOI,文献DOI怎么找? 1275200
科研通“疑难数据库(出版商)”最低求助积分说明 616310
版权声明 599053