شناسایی چالشهای مدلها و الگوریتم های یادگیری در سیستمهای چند عاملی

سیستمهای چندعاملی شامل تعدادی عامل هستند که از طریق ارتباط با یکدیگر تعامل دارند. در چنین سیستمهایی رفتار عاملها قابل پیش بینی نیست لذا لازم است عاملها از محیط اطرافشان یاد بگیرند و خود را با آن سازگار کنند . به این جهت مدلها و الگوریتم های یادگیری نیاز است که عاملها با استفاده از آنها فرآیند یادگیری را انجام دهند . در این مقاله مدل یادگیری ،CLRI استراتژی بر مبنای مدل، استراتژی های اکتشافی، یک مدل چندعاملی برای شبیه سازی یادگیری، الگوریتم ReDVaLeR و WoLF-IGA که همگی مدلهای یادگیری در محیط چند عاملی میباشند بررسی و معایب موجود در هریک شناسایی شده است. که نتایج نشان میدهد از آنجائیکه مدلها و الگوریتم های مربوطه، در محیط ساده و قطعی کاربرد داشته و در این محیط دارای معایب شناسایی شده میباشند، در محیط های پیچیده که روابط بین عاملها stochastic است ، جوابگو بوده و این مسئله حکایت از ضرورت ارائه مدلی از یادگیری دارد که در محیط پیچیده پاسخگو باشد

کلیدواژه ها:

عامل ، سیستم های چندعاملی ، یادگیری