多臂老虎机问题近年来在推荐系统、机器人技术和生物社会学等领域有着广泛的应用。该问题具体可描述为,给定一组未知选项,如何根据某种策略进行一系列选择,达到预期的最优化目标。针对此问题的单智能体的解决方案是过去的研究重点,而近年来更多的研究工作转向对多智能体的多臂老虎机方案的探索。本文研究了基于一般图的多智能体的协作式k-臂老虎机问题。单个智能体作为一个最小的学习单元进行本地探索,同时多个相同的智能体单元之间相连接构成通信网络图。图上的每个智能体节点之间是任意连接的,即图的拓扑结构为一般图。同时,每个智能体节点都仅有有限的记忆空间和通信带宽。研究目标是让每个智能体节点选择到k个臂中的最优选项（即最优臂）。最近的一些研究表明,通过智能体节点之间的协作的方式虽然可使学习效率有所提高,但这些研究工作中都针对通信图的拓扑结构进行了假设,即通信图是完全图或结构良好的双随机图。然而,这种假设在实践中并不总是能够满足。同时,有限的记忆空间和通信带宽往往也限制了智能体节点之间的协作。因为每个智能体节点会出现本地学习经验不充分,从网络图中其它对等智能体中获得的经验信息也有限的情况。此外,智能体节点在学习过程可能会遭到破坏,恶意节点以共享其伪造的经验信息（或随机信息）的方式干扰正常智能体节点的学习过程和结论。在此情况下,资源的限制可能极大地制约着学习过程的可靠性。因此,如何基于一般图,在记忆空间和通信带宽有限的的情况下解决上述问题,同时考虑一定的容错性,这些都是面临的挑战。为了解决上述问题,本文提出了一种“三阶段协同学习算法”。在每一步中,智能体节点通过在一般图上轻量级随机游走的方式彼此分享它们的经验信息,然后再根据随机记忆下的建议信息决定尝试拉动k个臂中的哪个臂。此后,智能体节点最终根据所尝试臂反馈的奖励来更新其自身的采用值（即更新本地偏好臂）。本文理论分析部分表明,即使仅利用有限的记忆信息和通信资源,所有智能体节点最终都会以高概率学习到最优臂。理论分析部分还揭示了所提出的算法可以容纳的已损坏智能体节点的数量的上限。最后,通过在合成数据集和真实数据集上进行的大量实验,验证了本文所提算法的有效性。