版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、本文以協(xié)作式多智能體系統(tǒng)為研究對象,研究應(yīng)用強(qiáng)化學(xué)習(xí)進(jìn)行多智能體協(xié)作行為學(xué)習(xí)時遇到的“維數(shù)災(zāi)難”問題。起源于單智能體系統(tǒng)的強(qiáng)化學(xué)習(xí)具有良好的自學(xué)習(xí)特性,為了提高多智能體系統(tǒng)協(xié)作行為的智能性和適應(yīng)性,許多學(xué)者將強(qiáng)化學(xué)習(xí)引入到多智能體系統(tǒng)中,然而,強(qiáng)化學(xué)習(xí)本身存在“維數(shù)災(zāi)難”問題,在引入到多智能體系統(tǒng)后,學(xué)習(xí)和存儲空間將隨著智能體個數(shù)的增加而呈指數(shù)級增長,“維數(shù)災(zāi)難”問題變得更加嚴(yán)重,導(dǎo)致學(xué)習(xí)效率下降,甚至不能在有效時間內(nèi)收斂,阻礙了其在多
2、智能體系統(tǒng)的推廣和應(yīng)用。
本文針對多智能體系統(tǒng)中強(qiáng)化學(xué)習(xí)的“維數(shù)災(zāi)難”問題進(jìn)行研究,通過在多智能體強(qiáng)化學(xué)習(xí)算法中引入狀態(tài)預(yù)測機(jī)制,將多智能體的學(xué)習(xí)空間進(jìn)行合理、有效地分解,一方面,降低學(xué)習(xí)空間規(guī)模,緩解“維數(shù)災(zāi)難”;另一方面,保證算法的收斂性,提高智能體決策水平。首先,利用強(qiáng)化學(xué)習(xí)的基本定義,分析強(qiáng)化學(xué)習(xí)在應(yīng)用于多智能體系統(tǒng)中產(chǎn)生“維數(shù)災(zāi)難”的根本原因,提出基于狀態(tài)預(yù)測的多智能體強(qiáng)化學(xué)習(xí)算法總體思路,為解決“維數(shù)災(zāi)難”問題
3、提供理論支撐和方法指導(dǎo)。其次,從狀態(tài)預(yù)測角度出發(fā),提出一種基于聯(lián)合狀態(tài)值函數(shù)逼近的多智能體強(qiáng)化學(xué)習(xí)算法。通過將學(xué)習(xí)過程分解為降維空間的強(qiáng)化學(xué)習(xí)和聯(lián)合狀態(tài)空間的值函數(shù)學(xué)習(xí)兩個并行過程,緩解“維數(shù)災(zāi)難”問題,同時在一定假設(shè)基礎(chǔ)上給出算法的收斂性證明。然后,為突破上述假設(shè),進(jìn)一步拓展算法的適用范圍,采用一種新穎的思路,將其它智能體視為環(huán)境的一部分,形成一個動態(tài)的廣義環(huán)境。利用強(qiáng)化學(xué)習(xí)的最優(yōu)策略學(xué)習(xí)能力和狀態(tài)預(yù)測機(jī)制對降維學(xué)習(xí)過程中環(huán)境信息缺失
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于強(qiáng)化學(xué)習(xí)算法的多智能體學(xué)習(xí)問題的研究.pdf
- 基于強(qiáng)化學(xué)習(xí)的異構(gòu)多智能體區(qū)域覆蓋算法研究.pdf
- RoboCup中基于強(qiáng)化學(xué)習(xí)的多智能體協(xié)作研究.pdf
- 基于狀態(tài)預(yù)測的多智能體自協(xié)調(diào)協(xié)作模型設(shè)計.pdf
- 基于高斯回歸的連續(xù)空間多智能體強(qiáng)化學(xué)習(xí)算法研究.pdf
- 基于強(qiáng)化學(xué)習(xí)的多智能體協(xié)作與應(yīng)用的研究.pdf
- 基于信度分配的多智能體強(qiáng)化學(xué)習(xí)研究.pdf
- 基于強(qiáng)化學(xué)習(xí)的多Agent協(xié)作研究.pdf
- 基于對策與強(qiáng)化學(xué)習(xí)的多智能體協(xié)作機(jī)制研究.pdf
- 基于多Agent協(xié)作強(qiáng)化學(xué)習(xí)的研究.pdf
- 多智能體強(qiáng)化學(xué)習(xí)方法研究.pdf
- 基于強(qiáng)化學(xué)習(xí)的多機(jī)器人協(xié)作研究.pdf
- 基于多智能體強(qiáng)化學(xué)習(xí)的決策支持系統(tǒng)的研究.pdf
- MMOG中基于強(qiáng)化學(xué)習(xí)的多NPC協(xié)作的研究.pdf
- 基于強(qiáng)化學(xué)習(xí)的多機(jī)器人協(xié)作機(jī)制研究.pdf
- 基于協(xié)同進(jìn)化與強(qiáng)化學(xué)習(xí)的多代理協(xié)作學(xué)習(xí)研究.pdf
- 基于多智能體強(qiáng)化學(xué)習(xí)的足球機(jī)器人決策策略研究.pdf
- 基于強(qiáng)化學(xué)習(xí)的多機(jī)器人協(xié)作控制方法研究.pdf
- 基于強(qiáng)化學(xué)習(xí)和群集智能方法的多機(jī)器人協(xié)作協(xié)調(diào)研究.pdf
- 基于多層強(qiáng)化學(xué)習(xí)的多機(jī)器人團(tuán)隊協(xié)作.pdf
評論
0/150
提交評論