基于強化學習的多機器人協(xié)作機制研究.pdf

1、基于馬爾科夫過程的強化學習作為一種在線學習方式,能夠很好地應用于單智能體環(huán)境中.由于強化學習理論的限制,在多智能體系統(tǒng)中馬爾科夫過程模型不再適用,因此不能把強化學習直接用于多智能體的協(xié)作學習問題.該文提出了多智能體協(xié)作的分布式兩層強化學習方法.該方法主要通過在單個智能體中構(gòu)筑兩層強化學習單元來實現(xiàn),第一層強化學習單元負責學習智能體的聯(lián)合任務(wù)協(xié)作策略,第二層強化學習單元負責學習在該智能體看來是最有效的行動策略.最后用3個智能體協(xié)作抬起圓形

2、物體的實驗來驗證該方法,實驗結(jié)果表明所提出方法比集中式強化學習方法更好.在基于強化學習的多智能體環(huán)境下,評價一個智能體行為的效果和其他智能體的行為是密切相關(guān)的,如果每個智能體都能夠通過預測其他智能體的行為再來采取自己的行為,則必將大大促進整個系統(tǒng)的協(xié)作.在傳統(tǒng)強化學習方式中引入組合動作的基礎(chǔ)上,該文提出了一種基于行為預測的多智能體強化學習方法,研究了對其他智能體行為進行預測的幾種可行方法.實驗結(jié)果表明,引入組合動作的傳統(tǒng)強化學習方法是收