- 1、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。。
- 2、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 4、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 5、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
多智能体分时跟踪学习# 傅波,陈鑫** (中南大学信息科学与工程学院,长沙 410083) 5 10 15 20 25 30 35 40 摘要:合作式多智能体强化学习在虽然许多领域取得了较大的应用,但是维数灾和通信问题 依然存在,且是当前的热点和难点。针对这两个问题,本文首先提出了合作式多智能体联合 状态独立动作 Q 学习方法(join-state single-action Q-learning, JSQ-learning),降低合作学习中 联合动作空间至独立动作空间的维数,从而有效缓解了维数灾;并在此基础上引入了基于策 略估计的强化学习算法 (JSQ-learning based policy prediction,JSQL-PP)从而免去了合作多智 能体间的通信,以上两种算法的收敛性均得到了证明。其次,针对学习中联合状态独立动作 奖赏函数的实现进行了讨论,可采用逼近的方法获得;最后提出了合作式多智能体分时跟踪 学习框架(Time-Tacking Framework,TTF),以保证合作学习的结果趋于较优,并将 JSQL-PP 算法引入该框架获得了合作式多智能体分时跟踪算法(JSQL-TT)。仿真结果与传统 Q 学习算 法比较表明了 JSQL-PP 算法以及所提分时框架的有效性和优越性。. 关键词:合作式多智能体系统;Q 学习;收敛性;分时跟踪;策略预测 中图分类号:TP181 Multi-agent Cooperative Learning with Time-Tacking Framework Fu Bo, Chen Xin (School of Information Science and Engineering, Central South University, ChangSha 410083) Abstract: Thought MAS has been applied in many fields, dimensions and the communications problem always are the big challenges to be faced and taken a breakthrough in the cooperative multi-agent system, especially in large-scale space. In this paper the multi-agent algorithms of join-state single-action Q-learning (JSQ-learning) and JSQ-learning based policy prediction (JSQL-PP) are proposed from original definition of reinforcement learning to reduce the dimensions of the large-scale space and learn without communications in MAS. And both convergences of two algorithms are verified. Then, a multi-agent cooperative learning framework is built to make every agent has chances to improve the cooperative strategy with time-tracking. The learning algorithm JSQL-PP is extended to an algorithm for learning a better policy in the proposed framework (JSQL-TT). Our new algorithm can be shown to get a better strategy rapidly in large-scale space in experiments of two agents dating in the grid word and three agents line up problem. And the comparison results of the Q-learning and JSQL-TT have shown the effectiveness and superiority of our time-tracking framework. Keywords: cooperative multi-agent system; Q-learning; con
您可能关注的文档
最近下载
- Beetl2.9 中文文档(学习JAVA知识资料).pdf VIP
- 浙科版2023版综合实践活动一年级上册《快乐的小农夫》教学设计.docx VIP
- 市场营销策划教学教案.pdf VIP
- 周末安全教育教育主题班会 35张幻灯片.pptx VIP
- 20S515钢筋混凝土及砖砌排水检查井.pptx VIP
- 2025年上海中考复习必背英语考纲词汇表默写(汉英互译).docx VIP
- C语言串讲笔记.pdf VIP
- 2025年上海高考英语复习必背考纲词汇手册默写.pdf VIP
- 浙科版2023版综合实践活动一年级上册《小小售货员》教学设计.docx VIP
- 2025年地震安全法规与减灾常识测试题库及解答集锦.pdf VIP
文档评论(0)