توسعه مدل های یادگیری چندعاملی برای هماهنگی خودمختار در سیستم های سایبری-فیزیکی با بهره گیری از تقویت یادگیری عمیق چندعاملی

در این پژوهش، چارچوبی نوین مبتنی بر یادگیری تقویتی عمیق چندعاملی (MADRL) برای هماهنگی خودمختار میان اجزای یک سیستم سایبری–فیزیکی (CPS) ارائه شده است. به منظور بررسی کارایی الگوریتم پیشنهادی، سه سناریوی نماینده شامل شبکه حسگر بی سیم، خودروهای خودران در محیط ترافیکی، و ناوگان ربات های مشارکتی شبیه سازی شدند. مدل مفهومی طراحی شده با بهره گیری از الگوریتم های MADDPG و QMIX و ساختار شبکه های عصبی چندلایه، توانست پایداری یادگیری، نرخ موفقیت، کاهش مصرف منابع و بهبود هماهنگی عامل ها را در مقایسه با مدل های پایه مانند Q-Learning و DDPG به طور معنی داری افزایش دهد. نتایج نشان دادند که ساختار تمرین متمرکز و اجرای توزیعی، در کنار طراحی دقیق تابع پاداش ترکیبی، موجب تقویت رفتار جمعی و افزایش تاب آوری سیستم در برابر اختلالات محیطی شده است. این چارچوب می تواند به عنوان الگویی کاربردی برای توسعه سامانه های هوشمند خودگردان در کاربردهای واقعی CPS به کار گرفته شود.

کلیدواژه ها:

یادگیری تقویتی عمیق ، سیستم سایبری-فیزیکی ، یادگیری چندعاملی ، هماهنگی خودمختار ، MADDPG