그래프 신경망과 다중 에이전트 강화 학습의 만남: 기본 원리, 응용, 그리고 미래 방향

다중 에이전트 강화 학습(MARL)은 차세대 무선 통신 시스템의 핵심 구성 요소가 되었습니다. 이론적으로 MARL은 낮은 계산 복잡도와 빠른 수렴 속도의 장점을 가지지만, 부분 관측성, 비정상성, 및 확장성 등 여러 도전 과제가 존재합니다. 본 논문에서는 그래프 주의 네트워크를 활용하여 이웃을 효과적으로 샘플링하고 메시지를 선택적으로 집계함으로써 앞서 언급한 문제들을 해결하고자 그래프 신경망 지원 통신(GNNComm-MARL) 기반의 새로운 MARL을 연구합니다. 더 나아가 GNNComm-MARL의 아키텍처를 철저히 분석하고 체계적인 설계 방안을 제시합니다. 그리고 자원 할당과 이동성 관리를 두 가지 측면에서 GNNComm-MARL의 전형적인 응용을 소개합니다. 얻어진 결과는 GNNComm-MARL이 기존 통신 방식 대비 더 낮은 통신 오버헤드로 더 우수한 성능을 달성할 수 있음을 보여줍니다. 마지막으로 GNNComm-MARL에 관한 중요한 연구 방향들을 제안하여 추가 연구를 촉진하고자 합니다.