A Comprehensive Analysis of Cooperative Multi-Agent Reinforcement Learning
Pla Antigas, Mariona
Casas Roma, Jordi tut. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)

Additional title:	Una anàlisi integral de l'aprenentatge per reforç multiagent cooperatiu
Additional title:	Un análisis integral del aprendizaje por refuerzo multiagente cooperativo
Date:	2026
Abstract:	Aquest projecte explora l’aprenentatge per reforç multiagent (MARL) combinant fonaments teòrics amb implementacions pràctiques. Examina paradigmes clau d’aprenentatge, incloent-hi l’aprenentatge independent, l’aprenentatge centralitzat i l’entrenament centralitzat amb execució descentralitzada, tot abordant reptes fonamentals com la no-estacionarietat i l’assignació del crèdit en entorns multiagent. S’analitza i s’avalua un conjunt divers d’algoritmes representatius de MARL per comparar-ne el rendiment, l’estabilitat i les propietats de coordinació. A més, s’exploren estratègies avançades com l’aprenentatge per reforç jeràrquic i la comunicació explícita entre agents. Es presta especial atenció als compromisos entre enfocaments centralitzats i descentralitzats i al seu impacte en la cooperació. En conjunt, aquest projecte proporciona una visió general completa dels avenços recents i dels enfocaments moderns en MARL.
Abstract:	This project explores multi-agent reinforcement learning (MARL) by combining theoretical foundations with practical implementations. It examines key learning paradigms, including independent learning, centralised learning, and centralised training with decentralised execution, while addressing fundamental challenges such as non-stationarity and multi-agent credit assignment. A diverse set of representative MARL algorithms is analysed and evaluated to compare their performance, stability, and coordination properties. In addition, advanced strategies such as hierarchical reinforcement learning and explicit agent communication are explored. Particular attention is given to the trade-offs between centralised and decentralised approaches and their impact on cooperation. Overall, this project provides a comprehensive overview of recent advances and modern approaches in MARL.
Abstract:	Este proyecto explora el aprendizaje por refuerzo multiagente (MARL) combinando fundamentos teóricos con implementaciones prácticas. Examina paradigmas clave de aprendizaje, incluyendo el aprendizaje independiente, el aprendizaje centralizado y el entrenamiento centralizado con ejecución descentralizada, abordando desafíos fundamentales como la no estacionariedad y la asignación de crédito en entornos multiagente. Se analiza y evalúa un conjunto diverso de algoritmos representativos de MARL para comparar su rendimiento, estabilidad y propiedades de coordinación. Además, se exploran estrategias avanzadas como el aprendizaje por refuerzo jerárquico y la comunicación explícita entre agentes. Se presta especial atención a los compromisos entre enfoques centralizados y descentralizados y a su impacto en la cooperación. En conjunto, este proyecto proporciona una visión general completa de los avances recientes y los enfoques modernos en MARL.
Rights:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, i la comunicació pública de l'obra, sempre que no sigui amb finalitats comercials, i sempre que es reconegui l'autoria de l'obra original. No es permet la creació d'obres derivades.
Language:	Anglès
Document:	Treball final de grau
Subject:	Aprenentatge per reforç ; Aprenentatge per reforç multiagent ; Conceptes de solució ; Comunicació ; Cooperació ; Reinforcement learning ; Multi-agent reinforcement learning ; Solution concepts ; Communication ; Cooperation ; Aprendizaje por refuerzo ; Aprendizaje por refuerzo multiagente ; Conceptos de solución ; Comunicación ; Cooperación

19 p, 19.8 MB

The record appears in these collections:
Research literature > Bachelor's degree final project