Priority Extraction Using Delayed Rewards in Multi Agents Systems : A Case Study in RoboCup
Publish place: 11th Annual Conference of Computer Society of Iran
Publish Year: 1384
نوع سند: مقاله کنفرانسی
زبان: English
View: 1,362
متن کامل این Paper منتشر نشده است و فقط به صورت چکیده یا چکیده مبسوط در پایگاه موجود می باشد.
توضیح: معمولا کلیه مقالاتی که کمتر از ۵ صفحه باشند در پایگاه سیویلیکا اصل Paper (فول تکست) محسوب نمی شوند و فقط کاربران عضو بدون کسر اعتبار می توانند فایل آنها را دریافت نمایند.
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
ACCSI11_270
تاریخ نمایه سازی: 5 آذر 1390
Abstract:
multi - agent systems has generated lots of excitement in re-cent years because of its promise as a new paradigm for conceptualizing designing and implementing software systems. One of the most important aspects of agent design in AI is the way agent acts or responds to the environment that the agent is acting upon. an effective action selection and behavioural method requires a good priority extraction method for finding the best actions . we have introduced an easy way for doing such a thing using delayed rewards. we have also applied the method to the rbocup rescue simulation agents.
Authors
Hamed Shahbazi
Computer Engineering Department University of IsfahanIsfahan ۸۱۷۴۵, Iran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :