یادگیری تقویتی در سیستم های چند عامله غیرهمکار

یکی از مسائلی که در زمینه تحقیقات سیستم های چند عامله مورد توجه قرا رگرفته است، استفاده از تکنیک های یادگیر و تجهیز سیستم های چند عامله با توانایی های یادگیری می باشد. در این مسائل چندین تعادل نش وجود دارد. در یادگیری تقویتی سیستم های چند عامله، بیشترین تضمین همگرایی الگوریتم های یادگیری به تعادل نش بهینه است. بازی های تصادفی بعنوان توسعه ای از فرایندهای تصادفی مارکوف با چند عامل در سیستم های چند عامله و مدل سازی آنها دارای اهمیت بوده و بعنوان چارچوبی مناسب در تحقیقات یادگیری تقویتی چند عامله بکار رفته اند. در این مقاله الگوریتم یادگیری تقویتی Nash-Q برای حل نوعی از بازی تصادفی Grid- World که سیستم چند عامله غیرهمکار است و دارای دو تعادل نش است، بکار برده شد و نتایج نشان داده شدند.

کلیدواژه ها:

سیستم های چند عامله ، تئوری بازی ها ، یادگیری تقویتی ، Nash Q-learning ، بازی های تصادفی