무인 항공기(UAV) 무리를 위한 효율적인 자원 할당은 중대한 도전 과제이며, UAV 간 통신(U2U)과 UAV-인프라 통신(U2I) 간의 심각한 간섭으로 인해 복잡해집니다. 전통적인 다중 에이전트 강화 학습(MARL) 방법은 두 가지 근본적인 한계로 인해 이 분야에서 종종 부족함을 드러냅니다: 비협조적인 에이전트 경쟁으로 인해 발생하는 정책 희생 현상과, 큰 무리에서 효과적인 학습을 저해하는 차원의 저주. 이러한 한계를 해결하기 위해 본 논문은 주의 기반 및 동적 게이트웨이 다중 에이전트 소프트 액터-크리틱(ADG-MASAC)이라는 새로운 MARL 프레임워크를 제안합니다. 우리의 접근법은 동적 역할 할당을 통해 혼란스러운 경쟁을 구조화된 협력으로 전환하기 위한 동적 게이트웨이 메커니즘과 고차원 글로벌 상태를 정밀하게 인식할 수 있도록 하는 주의 기반 비평가를 통합합니다. 실험 결과는 ADG-MASAC이 정책 희생 문제를 해결할 뿐만 아니라 U2U 및 U2I 통신 모두에서 상당한 성능 향상을 이루어낸다는 것을 보여줍니다. 배제 연구는 이 두 메커니즘 간의 시너지가 알고리즘 성공에 필수적임을 추가로 확인합니다.
Qu et al. (금요일,)이 이 질문을 연구했습니다.