多智能體協(xié)作學習方法的研究.pdf

1、在多Agent系統(tǒng)中，由于環(huán)境是動態(tài)變化的，其他Agent的行為是未知的，所以多Agent系統(tǒng)及系統(tǒng)中的每個Agent應當具備學習或自適應能力。強化學習作為一種不需要環(huán)境模型的機器學習方法，現(xiàn)已成為多Agent系統(tǒng)的研究熱點。與此同時，由于單個Agent的資源和能力的有限性，需要多個Agent之間的協(xié)作來共同完成任務。 本文的主要研究工作包括以下幾個方面： (1)論文首先介紹了Agent和多Agent系統(tǒng)的研究基礎，然后

2、分別圍繞多Agent學習方法、多Agent協(xié)作機制和強化學習三個方面簡要闡述了多Agent協(xié)作學習的基礎知識。 (2)將黑板模型、融合算法以及強化學習技術相結合，提出了一種改進的多智能體協(xié)作學習方法。其中，黑板是一塊共享的存儲區(qū)域，可以實現(xiàn)信息共享；融合算法用來對共享信息進行融合；強化學習技術利用融合結果進行動作選擇。 (3)追捕問題是一個多Agent系統(tǒng)，同時存在多Agent之間的協(xié)作與競爭，被廣泛用來測試人工智能領域