بررسی مساله تقسیم امتیاز چند عامله در محیط های قطعی و غیر قطعی با در نظر گرفتن وظایف فصلی
Publish place: 8th Annual Conference of Computer Society of Iran
Publish Year: 1381
Type: Conference paper
Language: Persian
View: 1,925
This Paper With 6 Page And PDF Format Ready To Download
- Certificate
- I'm the author of the paper
Export:
Document National Code:
ACCSI08_060
Index date: 7 February 2008
بررسی مساله تقسیم امتیاز چند عامله در محیط های قطعی و غیر قطعی با در نظر گرفتن وظایف فصلی abstract
برای یادگیری در سیستم های چند عامله، عموما از یادگیری تقویتی استفاده می شود. در بسیاری از موارد عامل ها بهطور مستقل یاد می گیرندو تنها یک سیگنال تقویت برای کل تیم در دسترس است. در واقع درچنین شرایطی محیط هوشمندی لازم برای تعیین تاثیر عملکرد هر عامل در نتیجه تیمی را ندارد. لذا این سیگنال تقویتی باید به نحوی مناسب بین عامل ها تقسیم شود.
در این پژوهش، برای حل این مساله در شرایطی که نقش هر عامل در نتیجه گروهی کسب شده نامشخص است، یک عامل به نام عامل نقاد به تیم اضافه شده است. عامل نقاد باید نقش هر عامل را در کیفیت عملکرد تیم تخمین زده و متناسب با آن بازخورد مناسب برای هرعامل راتعیین کند. دراین بررسی ایدهاستفاده از سوابق یادگیری عامل ها برای تعیین نقش هر یک در نتیجه تیمی مطرح می شود. دراین رابطه چهار معیار اطمینان، خبرگی نسبی، جمع پاداش هاو جمع پاداش و تنبیه ها بررسی شده اند. کیفیت تقسیم امتیاز بین عامل ها در دومحیط قطعی و احتمالی برای انجام وظیفه فصلی مورد بررسی و مقایسه قرار گرفته است . عامل ها با روش Q-learning به یادگیری وظیفه تک مرحله ای خود می پردازند. نتایج شبیه سازی ها تاثیر معیارهای ذکر شده را نشان میدهد.
بررسی مساله تقسیم امتیاز چند عامله در محیط های قطعی و غیر قطعی با در نظر گرفتن وظایف فصلی Keywords:
یادگیری تقویتی چند عامله , تقسیم امتیار بین عاملها , انتساب پاداش و تنبیه , نقاد محلی , وظیفه موازی عطفی
بررسی مساله تقسیم امتیاز چند عامله در محیط های قطعی و غیر قطعی با در نظر گرفتن وظایف فصلی authors
اعظم جلالی
قطب علمی کنترل و پردازش هوشمند - ازمایش
مجید نیلی احمدآبادی
قطب علمی کنترل و پردازش هوشمند - ازمایش
احد هراتی
قطب علمی کنترل و پردازش هوشمند - ازمایش
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 :