集体理性约束的Agent协作强化学习

• 作者: 吴士泓 李德华 潘莹
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 多Agent系统 强化学习 集体理性
• 年，卷（期）: 2010,（17）
• 所属期刊栏目: 博士论坛
• 页码范围: 8-10,18
• 分类号: TP18
• 字数: 3794字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.2010.17.003

摘要

将多Agent协作学习过程看作是一个个的阶段博弈,针对博弈中存在多个均衡解的问题,提出一种集体理性约束下的多Agent协作强化学习算法.该算法使得系统中的每个Agent均按照集体利益最大化的集体理性原则进行行为选择,从而解决均衡解一致问题,同时使得集体长期回报值最大化,加快了学习速度.在集体理性的基础上通过评价各Agent对整体任务求解的贡献度,解决信度分配问题.追捕问题的仿真实验结果验证了算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李德华	华中科技大学图像识别与人工智能研究所	123	1321	19.0	29.0
2	潘莹	华中科技大学图像识别与人工智能研究所	6	28	2.0	5.0
3	吴士泓	华中科技大学图像识别与人工智能研究所	2	11	2.0	2.0