基于多Agent協(xié)作強化學習的研究.pdf_第1頁
已閱讀1頁，還剩53頁未讀， 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權(quán)，請進行舉報或認領

文檔簡介

1、多智能體Agent系統(tǒng)中，環(huán)境是動態(tài)的、變化的，其他智能體的行為是不可預知的，所以多Agent系統(tǒng)及系統(tǒng)中的每個Agent應當具備學習或自適應能力。強化學習現(xiàn)已成為多Agent系統(tǒng)不需要環(huán)境模型的機器學習方法，現(xiàn)已成為研究熱點。與此同時，由于單個Agent的資源和能力的有限性，需要多個Agent之間的協(xié)作來共同完成任務。為此，本文的主要工作包括以下幾個方面:
　　論文在第一章中首先介紹了Agent和多Agent系統(tǒng)的研究基礎，然后

2、分別圍繞多Agent學習方法、多Agent協(xié)作機制和強化學習三個方面簡要闡述了多Agent協(xié)作學習的基礎知識。
　　然后將黑板模型、融合算法以及強化學習技術相結(jié)合，提出了一種改進的多智能體協(xié)作學習方法。其中，黑板是一塊共享的存儲區(qū)域，可以實現(xiàn)信息共享;融合算法用來對共享信息進行融合;強化學習技術利用融合結(jié)果進行動作選擇。
　　追捕問題是一個多Agent系統(tǒng)，同時存在多Agent之間的協(xié)作與競爭，被廣泛用來測試人工智能領域的學

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論