AI 與世界的難題 · 理論資訊科學 · arXiv · 2026-10-22
以強化學習實現動態網路的全域-局部控制並應用於系統性風險
原標題: Reinforcement Learning for Global-Local Control of Dynamic Networks with Applications to Systemic Risk
作者提出一個針對動態網路上控制問題的強化學習框架，其決策結合圖層級的全域動作與節點層級的局部動作。具有各自獨立之全域與局部策略頭的訊息傳遞神經網路，可產出滿足置換對稱性與透明性約束的策略，而明確的 Lipschitz 界限則為投影策略梯度演算法提供收斂保證。應用於金融網路中的系統性風險管理（由監管機構在各機構間配置資本干預措施）時，此架構的表現優於標準前饋基準模型，並可擴展至大型網路。