一般和博弈中的合作多agent学习.pdfVIP

第24卷第2期 控制理论与应用 、，b1．24NO．2 2007年04月 Control TheoryApplications Apr．2007 文章编号：1000—8152(2007)02—0317—05 一般和博弈中的合作多agent学习 宋梅萍，顾国昌，张国印，刘海波 (哈尔滨工程大学计算机科学与技术学院，黑龙江哈尔滨150001) 摘要：理性和收敛是多agent学习研究所追求的目标．在理性合作的多agent系统中提出利用Pareto占优解代替非 合作的Nash平衡解进行学习，使agent更具理性．另一方面引入社会公约来启动和约束agent的推理，统一系统中所 有agent的决策，从而保证学习的收敛性．利用2人栅格游戏对多种算法进行验证，成功率的比较说明了所提算法具 有较好的学习性能． 关键词：多agent学习；一般和随机博弈；Nash平衡；Pareto占优；Q．学习 中图分类号：TP273文献标识码：A in Multi-agentlearningcooperativegeneral·sumgames SONG Hai—bo Mei—ping，GUGuo—chang，ZHANGGuo—yin，LIU Scienceand (CollegeofComputer 1150001，China) Technology,HarbinEngineeringUniversity,HarbinHeilongjiang and aretwo intheresearchon new methodcalled Abstract：Rationalityconvergencetopics multi-agentlearning．A is withthe ofPareto ismorerationalthanNash with tothe Pareto—Qproposedconcept optimum，which equilibriumregard thesame arealsointroducedto the of cooperativesystem．At time，socialconventions promiseconvergencelearning．When testedona betterthanthe and two—persongridgame，thealgorithmperforms singleQ—learningNash—Qlearning． Keywords：multi·-agentlearning；general·-sumgame；Nashequilibrium；Paretooptimum；Q·-learning 1 引言(Introduction) 因为一般和博弈是实际应用中最常见的博弈 随着单agent学习研究的成功，多agent系统的学形式，合作在很多多agent系统中也具有重要的作 习问题正成为近年来的研究重点．由于多agent任用，所以对于合作一般和博弈中的多agent学习算 务环境下，个体的回报和环境的转移依赖于所 法研究具有实际的意义．目前，一般和博弈中应用 有agent(约行为，从而环境对单个agent而言则更加最广的是Nash—Q学习