一个基于激励的通用框架：多智能体资源分配中的公平性

于红博

摘要: 我们引入了基于激励的公平性通用框架（GIFF），这是一种新颖的方法，用于从标准价值函数推断公平的多代理资源分配。在资源受限的情况下，优化效率的代理通常会产生不公平的结果。我们的方法利用动作值（Q-）函数来平衡效率和公平性，而无需额外的训练。具体来说，我们的方法为每个动作计算一个局部公平性增益，并引入一个反事实优势修正项，以阻止对已经富裕的代理进行过度分配。这种方法在一个集中控制设置中得到形式化，其中一个仲裁者使用GIFF修改后的Q值来解决分配问题。 在不同领域进行的实证评估，包括动态拼车、防止无家可归和复杂的工作分配任务，表明我们的框架始终优于强基线，并能发现有前瞻性的、公平的政策。该框架的有效性得到了理论基础的支持；我们证明其公平性替代物是真实公平性改进的一个有原则的下限，并且其权衡参数提供单调调节。我们的发现将GIFF确立为一个强大而有原则的框架，利用标准强化学习组件实现复杂多代理系统中更公平的结果。

更新时间: 2025-10-30 17:37:51

领域: cs.MA,cs.AI

下载: http://arxiv.org/abs/2510.26740v1