基于 RBF 神经网络和强化学习算法的供应链产销协同计划冲突消解研究

• 作者: 李豪 武玉英 蒋国瑞
• 来源期刊: 计算机应用研究
• 关键词: 多 agent 自学习 RBF 神经网络 Q-强化学习 冲突消解
• 年，卷（期）: 2015,（5）
• 所属期刊栏目: 算法研究与探讨
• 页码范围: 1335-1338,1344
• 页数: 5页
• 分类号: TP311|TP183
• 语种: 中文
• DOI: 10.3969/j.issn.1001-3695.2015.05.014

摘要

为提高传统协商自学习能力，利用多 agent 智能技术，建立基于黑板模型的协商框架，构建五元组协商模型，采取 Q-强化学习算法，给出一种协商策略；使用 RBF 神经网络进一步优化协商策略，预测对手信息并调整让步幅度。通过算例验证该方法的可行性和有效性，通过与未改进的 Q-强化学习算法对比，该方法可增强协商agent 的自学习能力，缩短协商时间，提高冲突消解效率。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋国瑞	北京工业大学经济管理学院	125	1271	18.0	24.0
2	武玉英	北京工业大学经济管理学院	63	956	12.0	29.0
3	李豪	北京工业大学经济管理学院	2	12	1.0	2.0