- 1、本文档共5页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于角色跟踪的再励学习算法.pdf
2008
Agent
MAS
0
MAS
MAS Agent
Agent
Agent
Peter Stone[4]
Lagoudakis [1] Agent
Agent Bowling[2-3]
Agent
Agent
1 Markov Decision Process (MDP)
Q
1 Markov
S A r p
S
A
r S × A → R Agent
p S×A→?
?
S
Markov
Agent
π
ν
( s, π
)
=
∞
∑β
t =0
(t E rt
| π , s0
=
s)
s0
rt t
ν (s,π ) = r (s, aπ ) + β ∑ p (s | s, aπ )ν (s,π ) s
β ∈[0,1)
aπ π
NY207120. : 1982 zyzh@.
chenjianfeng8252@163.com 198
2008
π?
ν
(s,π ? ) =
max a
? ?r
(s,
a
)
+
β
∑
p ( s | s , a )ν
( )s , π ?
? ?
? s
?
Agent
Agent
s∈S
(s,π ? )
Bellman
Q-
Bellman
s
Q-
s∈S
Q? (s, a) = r (s, a) + β ∑ p (s | s, a)ν (s,π ? ) s
a ∈ A Agent Q ( s, a)
Q-
t Agent
( )rt
Qt +1
(s, a)
=
(1 ? α t
)Q t
(s, a)
+α t
??
r t
+
β
max b
Q t
s , b ??
Q αt ∈[0,1) αt
Qt (s, a) 1 Q? ( s, a)
2 Agent
RoboCup MAS
2D Agent
[1]
minimax-Q
Agent
{ } { }G1 =
Ag 1 i
|
i
=
1, L ,
n
G2 =
Ag 2 i
|
i
=
1, L ,
m
Ri k
R
=
{R i
|
i
=
1, L ,
k}
G1
2
( )A2 =
a2 1
,
a2 2
,
L
,
a2 m
( )π i = λ s, Ai i
s
Agent
j
δf
r
[1]
Ai i
Act
M = S , A1 , A2 , π 1 , π 2 , T , p j , f , r i
S
( )A1 =
a1 1
,
a1 2
,
L
,
a1 n
πi i
i Ai T S × Act × Act → S
pij i j = 1,L, k i = 1,L, m f S × Ag × Act × R → δ
Agent
R
199
2008
3
Bowling
TR-Q
[2-3]
Q minimax-Q
[1]
1 t=0
( )s ∈ S Q s, A1, A2 = Q0
T ∈ Act
( )Q s, A1, A2
λ ( s,T ) = λ0
Q0 //
2t
G2 A2
t +1
nm
∑ ( ) ∑ ( )MR
S t
,
1,
i,
a1 i
+
MR
S t
,
2,
i,
a2 i
α = i=1 t
i =1
n+m
S × A1 × A2 A1
σr ij
= σ0
( )s, a1, a2
st +1
(1)
p
∑ ( )σ j ik
?
f
st , j,i, aij , k
( )MR St, j,i, aij
= k=1 p
( )∑ f st , j,i, aij , k
k =1
(2)
Agent i st
aij
p
3
( ) ( ) ( ) ∑ ( ) ( )Q s , A1, A2 ∑ ( )t
= α ? Q s , A1, A2 tt
+ 1?α t
λ
?(R t
+ max(Q(s , (T , arg min(1 Ti
∈Act1
t +1 i
T2 j
∈Act2
1
Tj
∈Act1
s t
+1
,
T1 i
?Q s , T1,T2 t ij
Q s , T1,T2 t ij
)))))
1
Ti
∈Act1
,Tj2
∈Act2
4i
∑α r ij
=
α
r ij
+
f ( st , j, ai ) ? 1
p
f ( st , k, ai )
p
k =1
j
(3) (4)
200
2008
( )∑ Q
st ,
A1
,
T
2 j
n
∑ MR (st , i, ai )
( )λ st , A1 = β ?
T
2 j
∈
A
ct2
∑
( ) ( )Q
st ,
Ti1
,
T
2 j
β+ 1 ?
i =1,ai = a1i
n
Ti1∈
A
ct1
,T
2 j
∈
A
ct2
5 t = t +1
2
4
(5)
RoboCup
2D
22
[5]
4-1 1
6
T
您可能关注的文档
- 基于视觉的疲劳驾驶检测.pdf
- 基于视觉识别的电子器件性能检测与控制系统研究.pdf
- 基于视频内容的新闻剪辑系统.pdf
- 基于视频内容的新闻剪辑系统_NoRestriction.pdf
- 基于视频序列图像的表情关键帧提取.pdf
- 基于视频的复杂交通场景车辆跟踪技术研究.pdf
- 基于视频的实时降雪和积雪模拟.pdf
- 基于视频的客流计数系统的研究.pdf
- 基于视频的精确放疗摆位系统研究.pdf
- 基于视频的车辆检测与跟踪方法综述.pdf
- 2025年网络文学平台版权运营模式创新与版权保护体系构建.docx
- 数字藏品市场运营策略洞察:2025年市场风险与应对策略分析.docx
- 全球新能源汽车产业政策法规与市场前景白皮书.docx
- 工业互联网平台安全标准制定:安全防护与合规性监管策略.docx
- 剧本杀剧本创作审核标准2025年优化与行业自律.docx
- 2025年新能源电动巡逻车在城市安防中的应用对城市环境的影响分析.docx
- 全渠道零售案例精选:2025年行业创新实践报告.docx
- 2025年网约车司乘纠纷处理机制优化与行业可持续发展报告.docx
- 2025年宠物烘焙食品市场法规政策解读:合规经营与风险规避.docx
- 2025年宠物行业数据安全监管政策影响分析报告.docx
文档评论(0)