سمانه عصار - دانشگاه آزاد اسلامی واحد قزوین، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، قزوین، ایران
بهروز معصومی - دانشگاه آزاد اسلامی واحد قزوین، دانشکده مهندسی کامپیوتر و فناوری اطلاعات، قزوین، ایران

اتوماتای یادگیر در حال حاضر به عنوان ابزاری ارزشمند در طراحی الگوریتمهای یادگیری تقویتی بوده و حتی در سیستمهایی که از وجود چندین اتوماتای یادگیر بهره می برند نیز ویژگیهای خوبی را ارائه داده اند. اتوماتای یادگیر در مسائل تصمیم گیری غیر متمرکز قادر به کنترل زنجیره های مارکوف محدود و حتی یازی های مارکوفی نیز می باشد. این بازی ها توسعه ای از فرآیندهای تصادفی مارکوف با چندین عامل بوده و هدف هر عامل پیدا کردن سیاست بهینه ای است که امید ریاضی مجموع کاهش یافته پاداشها را بیشینه نماید. در این مقاله در روش پیشنهادی، در هر حالت از محیط، به ازای هر عامل، یک اتوماتای یادگیر تعمیم یافته استفاده شده است. اعمال انتخابی اتوماتای یادگیر تعمیم یافته (GLA) برپایه پاداش تجمعی به دست آمده یا بردار احتمال اعمال اتوماتای یادگیر حالت جدید، پاداش یا جریمه دریافت می کنند، نتایج آزمایشهای انجام گرفته نشان داده اند کا الگوریتم ارائه شده از کارایی مناسبی در سرعت همگرایی(رسیدن به راه حل بهینه) برخوردار است.

اتوماتای یادگیر تعمیم یافته، بازی های مارکوفی، یادگیری تقویتی چند عامله