基于迁移学习的多任务分配算法

• 作者: 尹翔 王梦娇 黄宁馨
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 多智能体系统 任务分配 迁移学习 Q学习
• 年，卷（期）: 2020,（13）
• 所属期刊栏目: 模式识别与人工智能
• 页码范围: 150-155
• 页数: 6页
• 分类号: TP181
• 字数: 5352字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1903-0230

摘要

对于多任务分配问题,传统的方法针对每一个任务独立地寻找一个最优分配方案,没有考虑任务间的关联以及历史经验对新任务分配的影响,因而复杂度较高.研究了多智能体系统中的多任务分配问题,通过迁移学习来加速任务分配以及子任务的完成.在分配目标任务时,通过计算当前任务和历史任务的相似度找到最适合的源任务,再将源任务的分配模式迁移到目标任务中,并在完成子任务的过程中使用迁移学习,从而提高效率,节约时间.最后,通过"格子世界"的实验证明了该算法在运行时间和平均带折扣回报方面都优于基于Q学习的任务分配算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王梦娇	扬州大学信息工程学院	3	6	2.0	2.0
2	尹翔	扬州大学信息工程学院	7	30	3.0	5.0
3	黄宁馨	扬州大学信息工程学院	1	0	0.0	0.0