基于博弈强化学习的多智能体协作行为寻优.pdfVIP

文编号:1∞L协咽(2创9)01α)()1 -04 呆子博弈强化学习的多智能体协作行污号化 张捍东 1 ，暴伟 1.3 ，正丽华 2 (1.安徽工业大学电气信息学院，马鞍山 243002;2. 安徽工业大学机械工程学院，马鞍山 243002; 3. 安徽工业大学管理科学与工程学院，马鞍山 243002) 摘要:针对非监督多Agent 系统协作行为的动态优化中存在难以使行动序列收敛盖IJPareto最 优问题，提出一种一般和博弈板架下改ilt;Pareto…Q算法，将会局目标作为局部Pareto最优联 合行为强化学习商标，并提出基于可接受度分配共同收益，将会局意义下的最优行沟通过 选代学习转化为局部Pareto行为，以多机器人行为协调为模型，仿真验证了算法的可行性 和实用，险。 关键诩:多Agent博弈;动态协作寻优;改进Pareto叩0; 收益分配 中图分类号:TP242.6 文献标志码:A Multi -agent Reinforcement Learning for CoUaborative Behavior Optimization ßased on Game Theory ZHANG Han-dong 1,BAO Wei\ WANG Li-hua2 ( l.Sch∞1 of Electrical Engíneering and Infonnation ,Anhui University of Technology ,Ma anshan 243ω2， China;2. School of Mechanical Engíneering ,Anhui University of Technology ,Ma anshan 243∞2 ， China; 3.Sch∞1 of Management Science and Engineeri吨，Anhui University of Technology ,Maanshan 243ω2， China) Abstract :In order to overcome the problem of convergence in multi叩agent system dynamic collahorative behavior op- timization ,a novel algorithm named improved Pareto斗 learning based on general-sum game is presented ,in which 由e global goal is the goal of multi-agent leaming for local p即酬 joint behavior ,and in which a distribution meth叫 for collectíve payoff bas时 on common acceptability is alω pr自由ented. The simulation result based on multi-robot he- havior cωdindicates this aIgorithm is feasíble and practicable. Key word由S:惘E阳mu咄11.山lti-吨. ~ Agent 行为协作[1]研究是人工智能研究的热 多个可进行帕累托排序严楠 Nash 均衡解与 Pareto 点和熏要领城之一，以博部论均衡选择为基础，研究 解的博弄，同时协调博弈要保证参与人时不同策略 联合行为的选择机制是系统优化的有效手段。解决 组合有相同偏好的博弈，均衡选择依赖参与人之间 均衡选择问翩实质就是解决协调问题，组济学家常