魏海军
- 作品数：2 被引量：2H指数：1
- 供职机构：中南大学信息科学与工程学院更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于高斯回归的连续空间多智能体跟踪学习被引量：2
- 2013年
- 提高适应性、实现连续空间的泛化、降低维度是实现多智能体强化学习(Multi-agent reinforcement learning,MARL)在连续系统中应用的几个关键.针对上述需求,本文提出连续多智能体系统(Multi-agent systems,MAS)环境下基于模型的智能体跟踪式学习机制和算法(MAS MBRL-CPT).以学习智能体适应同伴策略为出发点,通过定义个体期望即时回报,将智能体对同伴策略的观测融入环境交互效果中,并运用随机逼近实现个体期望即时回报的在线学习.定义降维的Q函数,在降低学习空间维度的同时,建立MAS环境下智能体跟踪式学习的Markov决策过程(Markov decision process,MDP).在运用高斯回归建立状态转移概率模型的基础上,实现泛化样本集Q值函数的在线动态规划求解.基于离散样本集Q函数运用高斯回归建立值函数和策略的泛化模型.MAS MBRL-CPT在连续空间Multi-cart-pole控制系统的仿真实验表明,算法能够使学习智能体在系统动力学模型和同伴策略未知的条件下,实现适应性协作策略的学习,具有学习效率高、泛化能力强等特点.
- 陈鑫魏海军吴敏曹卫华
- 关键词：多智能体系统
- 基于高斯回归的连续空间多智能体强化学习算法研究
- 本文以多智能体系统为研究对象，研究应用强化学习智能获取多智能体系统的行为策略，其中关键问题主要包括空间泛化与学习降维两个方面。最初，强化学习理论及其相关定义是以离散环境为基础展开讨论的，而实际应用环境的内在连续性大大地限...
- 魏海军
- 关键词：多智能体系统维数灾难
