基于联合博弈的多Agent学习
黄付亮1
张荣国1
陈大川1
刘焜2
1.太原科技大学计算机科学与技术学院,太原,0300242.合肥工业大学机械与汽车工程学院,合肥,230009
摘要：在研究Q-Learning算法的基础上,将博弈论中的团队协作理论引入到强化学习中,提出了一种基于联合博弈的多Agent学习算法.该算法通过建立多个阶段博弈,根据回报矩阵对阶段博弈的结果进行评估,为其提供一种有效的Agent行为决策策略,使每个Agent通过最优均衡解或观察协作Agent的历史动作和自身当前情况来预测其所要执行的动作.对任务调度问题进行仿真实验,验证了该算法的收敛性.
关键词：Agent强化学习联合博弈MAS
分类号：TP181(自动化基础理论)
资助基金：国家自然科学基金(50775060)
论文发表日期：2011-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：4( 21-24 )
英文信息