روشی جدید برای افزایش سرعت یادگیری تقویتی توزیع شده ، IBSAQL

در این مقاله، الگوریتم جدیدی مبتنی بر یادگیر تقویتی توزیع شده، برای افزایش سرعت یادگیری، در الگوریتم های یادگیری تقویتی ارائه شده است. در روش پیشنهادی، به ازای هر حالت از محیط، به تعداد اعمال مجاز آن حالت، عامل مجازی در نظر گرفته شده است و همچنین یک تابع بهبود یافته ی جدید برای انتخاب عمل در هر حالت پیشنهاد شده است، که موجب تسریع در الگوریتم های مبتنی بر Q-learning می شود. از الگوریتم مذکور برای حل بازی های مارکوف استفاده شده است. برتری تابع پیشنهادی با انجام آزمایشات متعدد نشان داده است. نتایج به دست آمده در آزمایش ها نشان می دهد، که الگوریتم پیشنهادی از لحاظ رعت رسیدن به پاسخ بهینه و میانگین پاداش های به دست آمده، دارای کارایی بسیار بالایی به روش های قبلی است

کلیدواژه ها:

الگوریتم Q-learning ، سیستم های چند عامله ، توزیع بولتزمی ، یادگیری تقویتی