利用聚类分析法改进的多Agent协作强化学习方法

• 作者: 张媛 张广明 袁宇浩
• 来源期刊: 计算机测量与控制
• 关键词: 多agent协作 强化学习 聚类分析 Friend-or-Foe Q-学习
• 年，卷（期）: 2010,（4）
• 所属期刊栏目: 设计与应用
• 页码范围: 923-926
• 分类号: TP18
• 语种: 中文

摘要

针对多agent系统强化学习中,状态空间和动作空间随着agent个数的增加成指数倍增长,进而导致维数灾难、学习速度慢和收敛性差的问题,提出了一种新型的混合强化学习方法,用于改进传统的多agent协作强化学习;该算法基于Friend-or-Foe Q-学习,事先采用聚类分析法对状态空间和动作空间进行预处理,降低空间维数后再进行强化学习,这就避免了同等状态环境下的重复劳动和对动作集的盲目搜索,理论上大大提高了agent的学习速度和算法的收敛性;文章首先进行改进算法的思想概述,然后给出了改进算法的学习框架和算法的一般描述.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	袁宇浩	南京工业大学自动化与电气工程学院	26	200	7.0	13.0
2	张广明	南京工业大学自动化与电气工程学院	192	1540	18.0	27.0
3	张媛	南京工业大学自动化与电气工程学院	7	15	2.0	3.0