多智能體增強(qiáng)學(xué)習(xí)的研究與應(yīng)用.pdf

1、多智能體系統(tǒng)是當(dāng)前人工智能領(lǐng)域的一個(gè)研究熱點(diǎn)。多智能體系統(tǒng)是一個(gè)復(fù)雜、動(dòng)態(tài)的環(huán)境，系統(tǒng)中問(wèn)題求解空間巨大，智能體行動(dòng)策略的設(shè)計(jì)比較困難并且低效，因此學(xué)習(xí)技術(shù)是多智能體系統(tǒng)中不可缺少的一部分。 多智能體學(xué)習(xí)存在以下難點(diǎn)：智能體對(duì)環(huán)境僅部分感知、學(xué)習(xí)搜索空間太大、學(xué)習(xí)效率低等，事實(shí)上，現(xiàn)有的學(xué)習(xí)方法多是針對(duì)單智能體的，其中任何一種都不能有效解決以上問(wèn)題，基于此，在綜合多種學(xué)習(xí)方法的基礎(chǔ)上，本文做了以下工作： 提出基于統(tǒng)計(jì)的多

2、智能體Q學(xué)習(xí)算法，將統(tǒng)計(jì)學(xué)習(xí)引入增強(qiáng)學(xué)習(xí)中，通過(guò)對(duì)智能體間聯(lián)合動(dòng)作的統(tǒng)計(jì)來(lái)學(xué)習(xí)其它智能體的行為策略，策略向量選取的全概率分布保證了智能體對(duì)最優(yōu)動(dòng)作的選擇，確保了算法的收斂，該算法將多智能體環(huán)境下的Q學(xué)習(xí)空間由指數(shù)空間降為線性空間，有效地提高了學(xué)習(xí)效率；提出基于預(yù)測(cè)的多智能體Q學(xué)習(xí)算法(模型)，通過(guò)引入預(yù)測(cè)技術(shù)對(duì)系統(tǒng)狀態(tài)進(jìn)行預(yù)測(cè)，加快了學(xué)習(xí)的收斂速度，同時(shí)，在模型中采用規(guī)劃技術(shù)應(yīng)用先驗(yàn)知識(shí)來(lái)解決部分感知問(wèn)題，該算法的學(xué)習(xí)性能優(yōu)于傳統(tǒng)的Q學(xué)