Communication and Information Exchange between Agents in Reinforcement Training

В последнее время все большее количество задач решается с помощью нескольких агентов, работающих независимо друг от друга. Однако, создание алгоритма способного выучить эффективное поведение нескольких агентов, работающих над решением одной задачи, требует трудоемких методов. В последние годы глубокое обучение с подкреплением показало значительные успехи в сложных задачах с одним агентом, а в последнее время этот подход применяется и к мультиагентным доменам. Таким образом можно выделить следующие особенности существующих решений: • Многие алгоритмы подразумевают централизованное взаимодействие, что мешает масштабируемости; • Последовательностьсостоянийобрабатываетсяпоотдельностибез учета истории; • Существующие решения не дают возможности обмениваться сообщениями несколько раз. Поэтому целью данной работы является создание алгоритма децентрализованной коммуникации между агентами, использующего поря- док состояний окружения. Для этого необходимо было решишь следующие задачи: • Реализовать алгоритм осуществляющий взаимодействие между агентами с помощью обмена сообщениям; • Реализоватьагента,использующегоархитектурутрансформердля эффективной обработки последовательности состояний окружения; • Протестировать полученный алгоритм на доступных датасетах.