ارزیابی اتوماتاهای یادگیر در همکاری بین عاملها در یک سیستم چند عامله پیچیده

سال انتشار: 1382
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 1,066

فایل این مقاله در 10 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

ICS05_012

تاریخ نمایه سازی: 16 آذر 1390

چکیده مقاله:

در سیستمهای چندعامله، چندین عامل هوشمند با قابلیت برقراری ارتباط با یکدیگر، جهت رسیدن به مجموعه ای از اهداف، با هم همکاری می کنند. بدلیل پیچیدگیهای موجود در محیطهای چندعامله پویا و متغیر نیاز به روشهای یادگیری ماشین در چنین محیطهایی بخوبی احساس می شود. اتوماتاهای یادگیر، بعنوان مدلی برای یادگیری، در محیطی تصادفی عمل نموده و قادر هستند که بر اساس ورودیهای دریافت شده از محیط، احتمال انجام عملیات خود را بروز در آورده تا بتوانند از این طریق کارآیی خود را بهبود بخشند. اتوماتای یادگیر یک مدل انتزاعی است که تعداد محدودی عمل را می تواند انجام دهد. هر عمل انتخاب شده توسط محیطی احتمالی ارزیابی می گردد و پاسخی به اتوماتای یادگیر داده می شود. اتوماتای یادگیر از این پاسخ استفاده نموده و عمل خود برای مرحله بعد را انتخاب می کند. در این مقاله با استفاده از بستر تست شبیه سازی فوتبال روباتها به ارزیابی اتوماتای یادگیر در همکاری بین عاملهای عضو یک تیم پرداخته شده است

کلیدواژه ها:

نویسندگان

محمدرضا خجسته

آزمایشگاه محاسبات نرم دانشکده مهندسی کامپیوتر دانشگاه صنعتی امیرکبیر

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :
  • خجسته، محمد رضا و میبدی، محمد رضا، تکنیک "بهترین گوشه ...
  • خجسته، امحمد رضا و میبدی، محمد رضا، اتوماتای یادگیر بعنوان ...
  • خجسته، محمدرضا، همکاری در سیستمهای چند عامله با استفاده از ...
  • شکل 11-مقایسه میانگین گلهای زده و خورده تیم Saloo-2001 در ...
  • Weiss, G., Multiagent Systems: A Modern Approach to Distributed Artificial ...
  • Stone, P., Layered Learning in Multi_Agent Systems, PhD thesis, School ...
  • Noda, I., Team GAMMA: Agent programming on gaea, In Kitano ...
  • RoboCup web page, 1997, At URL _ :www _ ...
  • Kitano, H., editor, RoboCup-97: Robot Soccer World Cup I, Springer ...
  • Andre, D., Corten E., Dorer K., Gugenberger P., Joldos M., ...
  • Narendra, K.S. and Thathachar M A. _ Learning Automata: An ...
  • Mars, P., Chen, J.R. and Nambir, R., Learning Algorithms: Theory ...
  • L akshmivarahan , S., Learning Algorithms: Theory and Applications, New ...
  • Meybodi, M. R. and Lakshmiv arahan, S., _ Optimality of ...
  • Meybodi, M. R. and Lakshmiv arahan, S., :On a Class ...
  • Noda, I., Team Description: Saloo, AIST & PREST, Japan, 2001. ...
  • Thathachar, . A. _ and Sastry, P. S., _ New ...
  • Oomen B. J., and Lanctot , K., "Discretized Pursuit Learning ...
  • نمایش کامل مراجع