Patrulha Multi-Agente com Aprendizagem por ReforÃo / Patrol Multi-Agente with Learning for Reinforcement

AUTOR(ES)
DATA DE PUBLICAÇÃO

2005

RESUMO

A tarefa de patrulha pode ser encontrada em diferentes domÃnios, desde administraÃÃo de redes de computadores a simulaÃÃes de jogos de guerra. Esta à uma tarefa multi-agente complexa, que requer que os agentes participantes coordenem as suas tomadas de decisÃo de modo a obter um bom desempenho para o grupo como um todo. Neste trabalho, à mostrado de que maneira a tarefa da patrulha pode ser modelada como um problema de aprendizagem por reforÃo (AR), permitindo uma adaptaÃÃo contÃnua e automÃtica das estratÃgias dos agentes ao ambiente. NÃs demonstramos que um comportamento cooperativo eficiente pode ser obtido utilizando tÃcnicas padrÃo de AR, como Q-Learning, para treinar os agentes individualmente. à feita uma anÃlise detalhada da optimalidade das soluÃÃes propostas e os resultados obtidos constituem um caso de estudo positivo no uso de tÃcnicas de aprendizagem por reforÃo em sistemas multi-agentes. As reflexÃes e tÃcnicas apresentadas sÃo igualmente valiosas para outros problemas que compartilham propriedades similares. AlÃm disto, a abordagem proposta à totalmente distribuÃda, o que a torna computacionalmente eficiente. A avaliaÃÃo empÃrica comprova a eficÃcia da mesma, e torna este trabalho uma primeira abordagem de sucesso na obtenÃÃo de uma estratÃgia adaptativa para tal tarefa.

ASSUNTO(S)

sistemas multi-agentes multi-agent systems patrulhamento ciencia da computacao aprendizagem por reforÃo coordenaÃÃo reinforcement learning coordination patrolling

ACESSO AO ARTIGO

Documentos Relacionados