基于多智能體間協(xié)作模型及其學(xué)也將方法研究.pdf

1、在多Agent系統(tǒng)中,由于環(huán)境是動態(tài)變化的,其它Agent的行為是未知的,所以多Agent系統(tǒng)及系統(tǒng)中的每個Agent應(yīng)當具備學(xué)習或自適應(yīng)能力。強化學(xué)習作為一利,無需要環(huán)境模型的機器學(xué)習方法,現(xiàn)已成為多Agent系統(tǒng)的研究熱點。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(wù)。
　　 本文的主要研究工作包括以下幾個方面:
　　 (1)論文首先介紹了Agent和多Agent系統(tǒng)的

2、研究基礎(chǔ),然后分別圍繞多Agent學(xué)習方法、多Agent協(xié)作機制和強化學(xué)習三個方面簡要闡述了多Agent協(xié)作學(xué)習的基礎(chǔ)知識。
　　 (2)將預(yù)測加速抉擇機制、黑板模型、融和算法以及強化學(xué)習技術(shù)相結(jié)合,提出了一種改進的多智能體協(xié)作學(xué)習方法及其模型。其中,黑板是一塊共享的存儲區(qū)域,可以實現(xiàn)信息共享:融和算法用來對信息進行融和；強化學(xué)習技術(shù)利用融和結(jié)果進行動作選擇。
　　 (3)追捕問題是一個多Agent系統(tǒng),同時存在多Age