مروری بر روش های یادگیری تقویتی عمیق چندعاملی

سال انتشار: 1401
نوع سند: مقاله کنفرانسی
زبان: فارسی
مشاهده: 904

فایل این مقاله در 28 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

EECMAI02_037

تاریخ نمایه سازی: 22 آذر 1401

چکیده مقاله:

این مقاله به مروری بر یادگیری تقویتی عمیقی چندعاملی می پردازد. ترکیب شبکه های عصبی عمیق با یادگیری تقویتی در سال های اخیر جذابیت بیشتری پیدا کرده است به آرامی تمرکز را از محیط های تک عاملی به محیط های چندعاملی تغییر داده است. برخورد با چندین عامل ذاتا پیچیده تر است زیرا پاداش های آینده به اقدامات مشترک چند بازیکن بستگی دارد و پیچیدگی محاسباتی توابع افزایش می یابد. در این مقاله رایج ترین بازنمایی های مشکل چندعاملی و چالش های اصلی آن ها ارائه می شود و پنج حوزه پژوهشی را شناسایی می کند که در اینجا به برخی از این چالش ها پرداخته می شود. آموزش متمرکز و اجرای غیر متمرکز، مدل سازی حریف، ارتباطات، هماهنگی کارآمد و شکل دهی پاداش بسیاری از مطالعات محاسباتی بر فرضیات غیر واقعی متکی هستند یا قابل تعمیم به تنظیمات دیگر نیستند. پیشنهاد می شود برای موفقیت آمیز بودن یادگیری تقویتی چند عاملی، پژوهش های آینده با رویکردی بین رشته ای به این چالش ها بپردازد تا فرصت های جدیدی را برای راه حل های انسان محور بیشتر در یادگیری تقویتی چندعاملی باز نماید.

نویسندگان

دانیال پهلوان مصوری

گروه مهندسی کامپیوتر، دانشگاه فردوسی مشهد، مشهد، ایران.

سید عابد حسینی

گروه مهندسی برق، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران.

محبوبه هوشمند

گروه مهندسی کامپیوتر، واحد مشهد، دانشگاه آزاد اسلامی، مشهد، ایران.