Исследователи из Тегеранского университета представили распределенный метод многоагентного обучения с подкреплением. Он позволяет нескольким автономным агентам самостоятельно обучаться и принимать решения, одновременно согласовывая свои действия.
Главная особенность подхода – отсутствие единого центра управления. Каждый агент использует доступную ему локальную информацию и обменивается данными только с соседними участниками системы. Это повышает масштабируемость и устойчивость технологии.
Метод сочетает распределенную оптимизацию с архитектурой обучения с подкреплением типа «актор-критик». Благодаря этому агенты могут постоянно корректировать свое поведение с учетом общих ограничений системы.