多智能体论文：多智能体 强化学习 协作协商 联合博弈.docVIP

多智能体论文：联合博弈框架下的多Agent强化学习算法研究 【中文摘要】多智能体系统是一个复杂的动态系统,系统中问题求解空间巨大,是人工智能领域研究的一个热点问题。智能体系统的一个主要特征是能够适应未知环境,其中学习能力是智能体系统的关键技术之一。针对单Agent系统对环境仅部分感知、搜索空间巨大、学习效率不高等缺点,本文在综合多种学习算法的基础上作了以下工作:首先引入了多智能体学习的一些理论知识,对强化学习和多Agent强化学习的研究现状和未来发展方向进行了阐述,介绍了目前常用的强化学习基本原理和使用的基本模型,探讨了强化学习中几种经典算法,在实验分析的基础上讨论了各参数对经典的强化学习算法的影响。在对自治协商模型的结构、原理,以及协商僵局的成因、对协商效用影响进行分析的基础上,利用基于博弈论的提议策略改进了原有的双边-多议题协商模型,采用Q学习算法对双边多议题协商过程中出现的僵局进行消解,支持多Agent系统在协商过程中的学习。实验表明,所建模型是可行和有效的。针对多Agent联合学习问题,提出了基于联合博弈的多Agent强化学习算法。该算法以成员联合博弈为理论框架,用长期回报矩阵对多个阶段的结果进行评估,使得联合行为的好坏程度得以准确表示;通过对多最... 【英文摘要】MAS is currently a hot research field of artificial intelligence ,which is a complex, dynamic environment. Problem solving system is huge. One of the main features of intelligent system is able to adapt to unknown environments, where learning is the key technology of intelligent systems.According to the feedback of different learning technologies, machine learning can be divided into supervised learning (Supervised learning), non-supervised learning (Unsupervised learning) and reinforcement learning (Re... 【关键词】多智能体 强化学习 协作协商 联合博弈 【英文关键词】Mas Reinforcement Learning Collaborative Consultation United –Game 【索购全文】联系Q1：138113721 Q2：139938848 同时提供论文写作一对一辅导和论文发表服务.保过包发 【目录】联合博弈框架下的多Agent强化学习算法研究 摘要 3-4 ABSTRACT 4-5 第一章 绪论 8-12 1.1 研究目的及意义 8-9 1.2 协商框架研究现状 9 1.3 强化学习研究现状 9-10 1.4 论文研究的主要内容及创新点 10-11 1.5 论文整体结构 11-12 第二章 相关理论研究 12-24 2.1 强化学习理论研究 12-14 2.2 多Agent 强化学习基本理论 14-16 2.2.1 多Agent 强化学习基本模型 14-15 2.2.2 多Agent 学习系统的组成要素 15-16 2.3 多AGENT 强化学习的主要算法 16-20 2.3.1 动态规划方法 16-17 2.3.2 时间差分算法 17 2.3.3 Q 学习算法 17-20 2.3.4 基于角色跟踪的强化学习算法 20 2.4 强化学习算法分析 20-22 2.4.1 学习率α对强化学习算法的影响 20-21 2.4.2 学习策略对强化学习算法的影响 21-22 2.5 本章小结 22-24 第三章 多Agent 协商模型框架 24-38 3.1 理论基础 24 3.2 双边多议题自治协商模型 24-29 3.2.1 BNM 的形式化描述 24-25 3.2.2 效用评价机制-K 25 3.2.3 学习机制—L 25-26 3.2.4 提议策略-S 26-29 3.3 协商模型优化设计 29-34 3.3.1 协商协议 29-31 3.3.2 僵局消解过程算法设计 31-32 3.3.3 基于Q 学习的僵局消解设计 32-34 3.4 算法分析 34-37 3.4.1 实验场景描述 35 3.4.2 可收敛性 35-36 3.4.3 有效性 36-37 3.5 本章小结 37-38 第四章 基于联合博弈的多