基于强化学习的多Agent协作研究

• 作者: 蒋建文 郑淑丽 韩江洪 骆祥峰
• 来源期刊: 小型微型计算机系统
• 学科: 工学
• 关键词: 多Agent系统 强化学习 MMDP 协调机制
• 年，卷（期）: 2003,（11）
• 页码范围: 1986-1988
• 页数: 3页
• 分类号: TP311
• 字数: 3572字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-1220.2003.11.024

摘要

强化学习为多Agent之间的协作提供了鲁棒的学习方法.本文首先介绍了强化学习的原理和组成要素,其次描述了多Agent马尔可夫决策过程MMDP,并给出了Agent强化学习模型.在此基础上,对多Agent协作过程中存在的两种强化学习方式:IL(独立学习)和JAL(联合动作学习)进行了比较.最后分析了在有多个最优策略存在的情况下,协作多Agent系统常用的几种协调机制.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	韩江洪	合肥工业大学计算机与信息学院	333	3281	24.0	43.0
2	郑淑丽	合肥工业大学计算机与信息学院	46	355	11.0	16.0
3	骆祥峰	合肥工业大学计算机与信息学院	15	263	9.0	15.0
4	蒋建文	合肥工业大学计算机与信息学院	12	377	8.0	12.0