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(lǐng)
文檔簡介
1、鄭州大學(xué)碩士學(xué)位論文MAS環(huán)境下Agent學(xué)習(xí)的博弈策略研究姓名:白洋申請學(xué)位級別:碩士專業(yè):計算機軟件與理論指導(dǎo)教師:王黎明20070501鄭州大學(xué)碩士學(xué)位論文AbstractInrecentyearsAgentandMultiAgentSystem(MAS)isgrowinguptobeoneofthemostimportanttechniquesinthepracticalresearch011ArtificialIntellig
2、enceandintelligentsot[wareindistributedcomputingenvironmentMultiagentgainesa∞becominganincreasinglyprevalentformalismforthestudyofelectroniccommoltCeandIluctionflThe即ccdatwlaieh扛ansaetions啪takepal黼andthegrowingcomplexity
3、ofelectronicmarketplacesmakesthestudyofeomputatioaallysimpleagents1111appealingdirectionAgentsinaMAStypicallyoperateinlargecomplex,opendymmieandunprcdietableonvironmelltsTheoptimalpoUeyatanymomentdepends013thepoliciesoft
4、heotheragentsandSOcreatesasituationoflearningamovingtargetMultiagentlearningisnotonly觚intersectionofDistributedArtificialIntelligence(DADandMachineLearning(ML),butalso趾a∞awhereMLandGameTheorymeetIneomretitioaenvironmenta
5、satisfactorymultiagentlearningalgorithmshould,ataminimumhaverationalityandconvergenceOntheotherhandthealgorithmshouldmaketheagentbeatotherfairopponentsRecently$onll,algorithmsthathavethepropertiesabovehavebeenimproved,an
6、dsomcotheralgorithmscouldbeatmanyfairopponents,butnOWthereisnota11algorithmhavethesetwomeritsatthe$11nll。timeInthispaperfirstlyWeanalyzedthebehaviorofagentsthatincrementallyadapttheirslaategythroughgradientascent011expec
7、tedpayoff;inthesimplesettingoftwoplayertwoactioniteratedgeneral鞠啪gamesSecondlyWeproposedanewdeductionaccordingtothesurprisingresultconcludedbySSinghThenallimprovedalgorithmbasedOnOUI“deductionisproposedwhichcouldsatisfyt
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(yù)覽,若沒有圖紙預(yù)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(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)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(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)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。
最新文檔
- 基于MAS環(huán)境的Agent交互與協(xié)作策略的研究.pdf
- RoboCup仿真環(huán)境下Agent機器學(xué)習(xí)策略的研究.pdf
- MAS中基于本體的Agent學(xué)習(xí)進化機制研究.pdf
- 網(wǎng)絡(luò)學(xué)習(xí)環(huán)境下的學(xué)習(xí)策略研究.pdf
- 基于MAS的機器人動態(tài)博弈系統(tǒng)協(xié)作策略研究.pdf
- 虛擬學(xué)習(xí)環(huán)境下基于情感計算流程的Agent模型研究.pdf
- MAS中Agent的知識表示推理.pdf
- 基于個性Agent的MAS默契協(xié)作模型研究.pdf
- 虛擬學(xué)習(xí)環(huán)境下卡通Agent對用戶情緒喚起的作用研究.pdf
- 聯(lián)合博弈框架下的多Agent強化學(xué)習(xí)算法研究.pdf
- MAS中的本體構(gòu)建及Agent協(xié)商模型的研究.pdf
- 網(wǎng)絡(luò)環(huán)境下的語文學(xué)習(xí)策略研究.pdf
- 網(wǎng)絡(luò)環(huán)境下教師校本學(xué)習(xí)策略研究.pdf
- 電力市場競價策略的博弈學(xué)習(xí)研究.pdf
- E-Learning環(huán)境下的自主學(xué)習(xí)策略研究.pdf
- 博弈情景下的成人學(xué)習(xí)研究.pdf
- 云環(huán)境下基于多移動Agent的低能耗任務(wù)調(diào)度策略的研究.pdf
- 基于MAS的逆向物流多方博弈分析.pdf
- 網(wǎng)絡(luò)環(huán)境下智慧技能類學(xué)習(xí)的學(xué)習(xí)內(nèi)容呈現(xiàn)策略研究.pdf
- 80198.基于博弈學(xué)習(xí)的多agent群體交互行為的研究
評論
0/150
提交評論