ИИ и сложнейшие проблемы мира · Теоретическая информатика · arXiv · 2026-10-22
Обучение с подкреплением для глобально-локального управления динамическими сетями с приложениями к системному риску
Оригинальное название: Reinforcement Learning for Global-Local Control of Dynamic Networks with Applications to Systemic Risk
Авторы предлагают фреймворк обучения с подкреплением для задач управления на динамических сетях, где решения сочетают глобальные действия на уровне графа с локальными действиями на уровне узлов. Нейронная сеть с передачей сообщений с отдельными глобальной и локальной головами политики дает политики, удовлетворяющие перестановочным симметриям и ограничениям прозрачности, а явные липшицевы оценки обеспечивают гарантии сходимости для проецируемого алгоритма градиента политики. Применительно к управлению системным риском в финансовых сетях, где регулятор распределяет капитальные интервенции между институтами, архитектура превосходит стандартные базовые модели прямого распространения и масштабируется до больших сетей.