多智能体系统中协调的联合选项

本文解决了在多智能体系统中发现协调行为的挑战，这对于改进探索和规划至关重要。联合状态空间的指数增长使得设计协调选项变得困难。本文的新颖之处在于其联合状态抽象以及使用神经图拉普拉斯算子估计器来捕获同步模式，从而比现有方法产生更强的协调性。对“分散度”和“费马”状态的关注为衡量和促进协调提供了新的视角。

• •解决了多智能体系统中协调行为发现的挑战。
• •提出了一种新的联合状态抽象来压缩状态空间。
• •采用神经图拉普拉斯算子估计器来捕获同步模式。
• •侧重于“分散度”和“费马”状态，用于衡量和促进协调。
• •与替代方法相比，展示了更强的下游协调能力。