Aprendizado em sistemas multiagente através de coordenação oportunista. / Towards joint learning in multiagent systems through oppotunistic coordination
AUTOR(ES)
Oliveira, Denise de
DATA DE PUBLICAÇÃO
2010
RESUMO
O tamanho da representação de ações e estados conjuntos é um fator chave que limita o uso de algoritmos de apendizado por reforço multiagente em problemas complexos. Este trabalho propõe o opportunistic Coordination Learning (OPPORTUNE), um método de aprendizado por reforço multiagente para lidar com grandes cenários. Visto que uma solução centralizada não é praticável em grandes espaços de estado-ação, um modode reduzir a complexidade do problema é decompô-lo em subproblemas utilizando cooperação entre agentes independentes em algumas partes do ambiente. No método proposto, agentes independentes utilizam comunicação e um mecanismo de cooperação que permite que haja expansão de suas percepções sobre o ambiente e para que executem ações cooperativas apenas quando é melhor que agir de modo individual. O OPPORTUNE foi testado e comparado em dois cenários: jogo de perseguição e controle de tráfego urbano.
ASSUNTO(S)
multiagent systems inteligência artificial reinforcement learning sistemas multiagentes cadeias : markov coordination
ACESSO AO ARTIGO
http://hdl.handle.net/10183/26857Documentos Relacionados
- Aprendizado por reforço utilizando tile coding em cenários multiagente
- Coordenação de sistemas multiagente atuando em cenários complexos : uma abordagem baseada na divisão de trabalho dos insetos sociais
- Multiagent patrolling
- Coordenação de Agentes Móveis através do Canal de Broadcast
- Aprendizado por Reforço com Valores deInfluência em Sistemas Multi-Agente