دانلود مقاله چارچوبی برای یادگیری ماشین به صورت تعاملی سیستم های چند عامل
موضوع انگلیسی:A Framework for Machine Learning in Interactive
Multi-Agent Systems
زبان: انگلیسی
فرمت فایل: pdf
تعداد صفحه:9
سال انتشار:2015
چکیده
سیستم های چند عاملی در حوزه های پیچیده و زمان واقعی مستلزم آن است که عوامل به طور م bothثر و مستقل و به عنوان بخشی از یک تیم عمل کنند. این
پیچیدگی بسیاری از وظایف ناشی از این حوزه ها ، حل آنها را با رفتارهای عامل از پیش برنامه ریزی شده دشوار می کند. این
در عوض ، عوامل باید به تنهایی با استفاده از یادگیری راه حلی را کشف کنند. در این مقاله ، ما چارچوبی برای MLIMAS ارائه می دهیم
یادگیری ماشین در سیستم های تعاملی چند عامل MLIMAS پیشنهاد شده است تا به مسائل ناشی از آن پاسخ دهد
ادغام الگوریتم های یادگیری ماشین در سیستم های تعاملی چند عاملی ، با تمرکز بر سه س iال 1) یادگیری چیست
اهداف برای نمایندگان؟ (ii) چگونه می توان سیستم یادگیری ماشین را در معماری عامل ادغام کرد؟ و (iii) چگونه نمایندگان می توانند
تعاملی یاد بگیرید ؟. MLIMAS به این سه س plusال به علاوه پشتیبانی از سیستم های چند عاملی متشکل از خودمختار و
عوامل تطبیقی که در زمان واقعی و محیط های پر سر و صدا عمل می کنند. در نتیجه چنین قابلیت های مورد نیاز ، MLIMAS اجازه می دهد تا پویا باشد
و رفتار هوشمندانه عوامل برای دستیابی م goalsثر به اهداف محلی و ائتلافی خود از طریق الگوبرداری از سایر عوامل
اقدامات ، و استفاده متقابل از مزایای ترجیحات خود و دیگران در یادگیری و دستیابی به اهداف نمایندگان. ما مطالعه کردیم
چارچوب پیشنهادی در حوزه تاکسی در مقایسه با الگوریتم سنتی Q-Learning بدون سهم تعاملی از
اطلاعات آزمایشات ما 2 برابر بهبود جایزه متوسط دریافتی در هر دنباله نمایندگی را نشان داد تا جایزه
رویکرد سنتی Q-Learning علاوه بر این ، ما 80 درصد پیشرفت برای تعداد مشابه آزمایشات عوامل داریم
مسافران
