Coordonarea multiagenților: O abordare a învățării prin întărire

Titlul original:

Multi-Agent Coordination: A Reinforcement Learning Approach

Conținutul cărții:

Descoperiți cele mai recente evoluții în tehnicile de coordonare multi-robot cu această resursă perspicace și originală

Multi-Agent Coordination: A Reinforcement Learning Approach oferă un tratament cuprinzător, perspicace și unic al dezvoltării algoritmilor de coordonare multi-robot cu o sarcină de calcul minimă și cerințe de stocare reduse în comparație cu algoritmii tradiționali. Academicienii, inginerii și autorii realizați oferă cititorilor atât o introducere la nivel înalt și o prezentare generală a coordonării multi-robot, cât și analize aprofundate ale algoritmilor de planificare pe bază de învățare.

Veți afla despre cum să accelerați explorarea obiectivului echipei și abordări alternative pentru accelerarea convergenței TMAQL prin identificarea acțiunii comune preferate pentru echipă. Autorii propun, de asemenea, abordări noi pentru învățarea Q prin consens care abordează problema de selecție a echilibrului și o nouă modalitate de evaluare a valorii prag pentru unirea imperiilor fără a impune o supraîncărcare semnificativă de calcul. În cele din urmă, cartea se încheie cu o examinare a direcției probabile a cercetărilor viitoare în acest domeniu în dezvoltare rapidă.

Cititorii vor descoperi tehnici de ultimă oră pentru coordonarea multi-agent, inclusiv:

⬤ O introducere în coordonarea multi-agent prin învățarea prin întărire și algoritmi evolutivi, inclusiv subiecte precum echilibrul Nash și echilibrul corelat.

⬤ Îmbunătățirea vitezei de convergență a învățării Q multi-agent pentru planificarea sarcinilor cooperative.

⬤ Consens Q-learning pentru planificarea în cooperare multi-agent.

⬤ Calcularea eficientă a echilibrului corelat pentru planificarea multiagent bazată pe q-learning cooperativ.

⬤ Un algoritm competitiv imperialist modificat pentru aplicații multi-agent de purtare a bățului.

Perfect pentru universitari, ingineri și profesioniști care lucrează în mod regulat cu algoritmi de învățare multi-agent, Multi-Agent Coordination: A Reinforcement Learning Approach aparține, de asemenea, rafturilor oricărei persoane cu un interes avansat în învățarea mașinilor și inteligența artificială, așa cum se aplică în domeniul roboticii cooperative sau competitive.