开放多智能体系统中的 Bandit 学习框架与动态嵌入方法

针对开放多智能体系统中异构奖励与代理模式带来的非平稳性挑战，研究提出了一种新的学习问题形式。 该研究引入了预训练程度、稳定性及全局动态遗憾等概念，并开发了两种基于 UCB 的方法。 动态人口嵌入直接编码各臂的人口函数，利用流形表示代理，使遗憾与从代理表示中获取的信息相关。