Улей как единый агент обучения с подкреплением: точное равенство между роевой динамикой и многоручными баннитами

Исследователи доказали математическое эквивалентность коллективного принятия решений через локальное подражание (например, пчелы выбирают место для гнезда) и обучения с подкреплением (RL) одиночного агента в задаче многоручного баннита. Даже если отдельные особи не способны к обучению и слепо копируют соседей, распределение популяции обновляется согласно макроскопическому алгоритму RL, названному Maynard-Cross Learning (MCL).