زهرا سلیمانی جلودار - دانشکده برق، رایانه و فناوری اطلاعات، دانشگاه آزاد اسلامی قزوین،ایران
بهروز معصومی - دانشکده برق، رایانه و فناوری اطلاعات، دانشگاه آزاد اسلامی قزوین،ایران

بازی اقلیت، از حوزه مسائل نظریه بازی - ها است که در سیستم های چند عامله بکار می رود، در این بازی تعداد فردی عامل با هم رقابت کرده و دسته ای برنده و دسته ای بازنده می شوند. این عامل ها در اثر تعامل با محیط به مرور زمان یاد می گیرند که چگونه با هم رقابت یا همکاری کنند به طوریکه بیشترین سود را دریافت کنند. یادگیری مبتنی بر مورد و سیستم های چند عامله دو مبحث متفاوت در حوزه هوش مصنوعی هستند. یادگیری مبتنی بر مورد یکی از الگوریتم های یادگیری ماشین است که برای حل مسأله جدید، از تجربه های گذشته و روش های حلی که مشابه با مسأله جاری باشد، استفاده می کند. از آنجائیکه خود مختاری عامل ها، یکی از شرایط سیستم های چند عامله است، استفاده از استنتاج مبتنی بر مورد می تواند نقش موثری در یادگیری و خود مختاری عامل ها داشته باشد. در این مقاله الگوریتم MG-ICBR-LA معرفی شده است. با استفاده از این الگوریتم در تخصیص منابع سیستمهای ناهمگن، خاصیت رقابتی اعمال شد. نتایج شبیهسازی نشان دادند که هزینه تخصیص منابع در روش پیشنهادی کاهش یافته است

تنتاج مبتنی بر مورد، اتوماتای یادگیر، بازی اقلیت ، تخصیص منابع، سیستم های چند عامله