مروری بر روش های یادگیری تقویتی عمیق چندعاملی
Publish place: The second international conference on electrical, computer, mechanical and artificial intelligence engineering
Publish Year: 1401
Type: Conference paper
Language: Persian
View: 1,497
This Paper With 28 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
EECMAI02_037
Index date: 13 December 2022
مروری بر روش های یادگیری تقویتی عمیق چندعاملی abstract
این مقاله به مروری بر یادگیری تقویتی عمیقی چندعاملی می پردازد. ترکیب شبکه های عصبی عمیق با یادگیری تقویتی در سال های اخیر جذابیت بیشتری پیدا کرده است به آرامی تمرکز را از محیط های تک عاملی به محیط های چندعاملی تغییر داده است. برخورد با چندین عامل ذاتا پیچیده تر است زیرا پاداش های آینده به اقدامات مشترک چند بازیکن بستگی دارد و پیچیدگی محاسباتی توابع افزایش می یابد. در این مقاله رایج ترین بازنمایی های مشکل چندعاملی و چالش های اصلی آن ها ارائه می شود و پنج حوزه پژوهشی را شناسایی می کند که در اینجا به برخی از این چالش ها پرداخته می شود. آموزش متمرکز و اجرای غیر متمرکز، مدل سازی حریف، ارتباطات، هماهنگی کارآمد و شکل دهی پاداش بسیاری از مطالعات محاسباتی بر فرضیات غیر واقعی متکی هستند یا قابل تعمیم به تنظیمات دیگر نیستند. پیشنهاد می شود برای موفقیت آمیز بودن یادگیری تقویتی چند عاملی، پژوهش های آینده با رویکردی بین رشته ای به این چالش ها بپردازد تا فرصت های جدیدی را برای راه حل های انسان محور بیشتر در یادگیری تقویتی چندعاملی باز نماید.
مروری بر روش های یادگیری تقویتی عمیق چندعاملی Keywords:
مروری بر روش های یادگیری تقویتی عمیق چندعاملی authors
دانیال پهلوان مصوری
گروه مهندسی کامپیوتر، دانشگاه فردوسی مشهد، مشهد، ایران.
سید عابد حسینی
گروه مهندسی برق، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران.
محبوبه هوشمند
گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران.