همکاری در یادگیری بین عامل ها با خبرگی های متفاوت

استفاده از دانش و تجربه ی دیگران باعث می شود که یک عامل سریع تر یاد بگیرد، اشتباهات کمتری کند و برای موقعیت هایی که تا کنون آنها را ندیده قاعده ای استخراج نماید . این فواید موقعی به دست می آیند که عامل ها از زمینه های دانش یکدیگر و میزان آن آگاهی داشته باشند . در این مق اله عامل ها با مهارت ها و خبرگی های متفاوت در یادگیری با یکدیگر همکاری می کنند . معیارهای مختلفی برای ارزش دهی به جداول Q آنها بکار برده شده است . اندازه گیری این معیارها در سه حالت : بر روی کل جدول Q ، ناحیه هایی از جدولQکه نشان دهنده ی خبرگی عامل ها بوده، و ه مچنین در سطح هر حالت از جدول Q انجام شده است . برای ترکیب جداول Q از روش های " به اشتراک گذاشتن استراتژی " و " اشتراک وزن دار استراتژی " استفاده شده است . همچنین یک روش همکاری در یادگیری مبتنی بر گذار حالات پیشنهاد شده است . زمینه ی دانش عامل ها توسط حالت هایی مشخ ص می شود که منجر به رسیدن به هدف شود . بعد از فاز یادگیری شخصی، الگوریتم همکاری به شکل سه مرحله ای انجام می شود : ۱ ) استخراج گذار حالات برای هر عامل ۲ ) ترکیب بهینه ی ناحیه های خبرگی با یکدیگر ۳ ) ترکیب جداول Q عامل ها بر اساس الگوی به دست آمده از بخش قبلی . همچنین نتایج به دست آمده در شبیه سازی برای مقایسه ی روش های مختلف با یکدیگر ارائه شده است

Keywords:

یادگیری تقویتی , یادگیری Q , همکاری در یادگیری , سیستم های چندعامله , خبرگی های متفاوت , تقسیم بندی جدول Q , گذار حالات