基于個(gè)性Agent的協(xié)作強(qiáng)化學(xué)習(xí)模型研究.pdf

1、隨著計(jì)算機(jī)網(wǎng)絡(luò)和人工智能等技術(shù)的發(fā)展，智能體(Agent)的研究已成為分布式人工智能(DAI--Distributed Artificial Intelligent)研究的一個(gè)熱點(diǎn)。Agent的理論、技術(shù)，特別是MAS(Multi Agent System)的理論技術(shù)不僅為解決新的分布式應(yīng)用問(wèn)題提供了有效的途徑，還為全面準(zhǔn)確地研究分布式計(jì)算系統(tǒng)的特點(diǎn)提供了合理的概念模型，給我們帶來(lái)設(shè)計(jì)和實(shí)現(xiàn)可運(yùn)行在分布與開(kāi)放環(huán)境中的軟件系統(tǒng)的一個(gè)全新模

2、式，成為描述復(fù)雜現(xiàn)象、研究復(fù)雜系統(tǒng)、實(shí)現(xiàn)復(fù)雜自適應(yīng)性計(jì)算的方法。 MAS首先根據(jù)所研究的問(wèn)題，定義單個(gè)Agent，給Agent賦予一定的行為和參數(shù)；然后，定義Agent之間以及Agent和環(huán)境之間的交互規(guī)則；最后，通過(guò)Agent之間的交互活動(dòng)產(chǎn)生解決問(wèn)題的能力。由此可見(jiàn)，構(gòu)造Agent和設(shè)計(jì)Agent之間的協(xié)作是MAS技術(shù)的核心。 本文針對(duì)目前的多Agent協(xié)作研究缺乏個(gè)性傾向和個(gè)性特質(zhì)模型研究，提出了CRLBP(Coo

3、perative Reinforcement Learning based Personality)模型，試圖從另一個(gè)側(cè)面解決多Agent協(xié)作問(wèn)題。本文的主要工作包括： (1)提出個(gè)性Agent模型，即將個(gè)性行為綁定到信息Agent上，并詳細(xì)描述與形式化具有個(gè)性的信息Agent使各個(gè)性Agent更匹配任務(wù)中的角色位置。 (2)將個(gè)性Agent模型引入到協(xié)作協(xié)議中，基于個(gè)性Agent的協(xié)作強(qiáng)化學(xué)習(xí)模型(CRLBP)，該模型

4、將傳統(tǒng)的從單個(gè)Agent角度出發(fā)的強(qiáng)化學(xué)習(xí)，應(yīng)用到Agent群體的協(xié)作強(qiáng)化學(xué)習(xí)，對(duì)CRLBP模型與傳統(tǒng)模型進(jìn)行對(duì)比實(shí)驗(yàn)，在傳球和截球方面，CRLBP比傳統(tǒng)模型有優(yōu)勢(shì)。 (3)提出了概率性分布函數(shù)并通過(guò)評(píng)估函數(shù)進(jìn)行修正，形式化了個(gè)性Agent，并進(jìn)行了仿真實(shí)驗(yàn)，實(shí)驗(yàn)表明與不采用個(gè)性的Agent對(duì)比，在對(duì)單個(gè)Agent的傳球和截球方面的能力有提高。 (4)在機(jī)器人足球比賽(RoboCup)仿真平臺(tái)下，應(yīng)用CRLBP模型進(jìn)行A