集体理性约束的Agent协作强化学习

doi:10.3778/j.issn.1002-8331.2010.17.003

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (17): 8-10.DOI: 10.3778/j.issn.1002-8331.2010.17.003

集体理性约束的Agent协作强化学习

吴士泓，李德华，潘莹

华中科技大学图像识别与人工智能研究所，武汉 430074

收稿日期:2010-02-04 修回日期:2010-04-27 出版日期:2010-06-11 发布日期:2010-06-11
通讯作者: 吴士泓

Multi-Agent cooperative reinforcement learning based on collective rationality

WU Shi-hong，LI De-hua，PAN Ying

Institute for Pattern Recognition and Artificial Intelligence，Huazhong University of Science and Technology，Wuhan 430074，China

Received:2010-02-04 Revised:2010-04-27 Online:2010-06-11 Published:2010-06-11
Contact: WU Shi-hong

摘要/Abstract

摘要： 将多Agent协作学习过程看作是一个个的阶段博弈，针对博弈中存在多个均衡解的问题，提出一种集体理性约束下的多Agent协作强化学习算法。该算法使得系统中的每个Agent均按照集体利益最大化的集体理性原则进行行为选择，从而解决均衡解一致问题，同时使得集体长期回报值最大化，加快了学习速度。在集体理性的基础上通过评价各Agent对整体任务求解的贡献度，解决信度分配问题。追捕问题的仿真实验结果验证了算法的有效性。

关键词: 多Agent系统, 强化学习, 集体理性

Abstract: The process of multi-Agent cooperative reinforcement learning can be structured as stage games.To solve the problem of equilibrium consistent in the game，an algorithm based on collective rationality is proposed.In the constraint of collective rationality，all the Agents in the system select action in the principle of maximum collective interest，and then acquire the maximum collective interest to improve cooperative learning speed.Moreover，the proposed algorithm measures the contribution of each Agent to the whole task based on the collective rationality to solve the credit assignment problem.The experimental results of the pursuit problem show the efficiency of the proposed algorithm.

Key words: multi-Agent systems, reinforcement learning, collective rationality

中图分类号:

TP18

吴士泓，李德华，潘莹. 集体理性约束的Agent协作强化学习[J]. 计算机工程与应用, 2010, 46(17): 8-10.

WU Shi-hong，LI De-hua，PAN Ying. Multi-Agent cooperative reinforcement learning based on collective rationality[J]. Computer Engineering and Applications, 2010, 46(17): 8-10.

[1]	张鑫，张席. 优先状态估计的双深度Q网络[J]. 计算机工程与应用, 2021, 57(8): 78-83.
[2]	王晓，唐伦，贺小雨，陈前斌. 基于深度强化学习的服务功能链多维资源优化[J]. 计算机工程与应用, 2021, 57(4): 68-76.
[3]	赖俊，魏竞毅，陈希亮. 分层强化学习综述[J]. 计算机工程与应用, 2021, 57(3): 72-79.
[4]	马志豪，朱响斌. 拟双曲动量梯度的对抗深度强化学习研究[J]. 计算机工程与应用, 2021, 57(24): 90-99.
[5]	李宝帅，叶春明. 深度强化学习算法求解作业车间调度问题[J]. 计算机工程与应用, 2021, 57(23): 248-254.
[6]	王军，曹雷，陈希亮，赖俊，章乐贵. 多智能体博弈强化学习研究综述[J]. 计算机工程与应用, 2021, 57(21): 1-13.
[7]	成怡，郝密密. 改进深度强化学习的室内移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(21): 256-262.
[8]	况立群，李思远，冯利，韩燮，徐清宇. 深度强化学习算法在智能军事决策中的应用[J]. 计算机工程与应用, 2021, 57(20): 271-278.
[9]	孔松涛，刘池池，史勇，谢义，王堃. 深度强化学习在智能制造中的应用展望综述[J]. 计算机工程与应用, 2021, 57(2): 49-59.
[10]	李浩，宁浩宇，康雁，梁文韬，霍雯. 针对文本情感转换的SMRFGAN模型[J]. 计算机工程与应用, 2021, 57(2): 170-176.
[11]	张荣霞，武长旭，孙同超，赵增顺. 深度强化学习及在路径规划中的研究进展[J]. 计算机工程与应用, 2021, 57(19): 44-56.
[12]	杨薛钰，陈建平，傅启明，陆悠，吴宏杰. 基于随机方差减小方法的DDPG算法[J]. 计算机工程与应用, 2021, 57(19): 104-111.
[13]	宋浩楠，赵刚，王兴芬. 融合知识表示和深度强化学习的知识推理方法[J]. 计算机工程与应用, 2021, 57(19): 189-197.
[14]	王科银，石振，杨正才，杨亚会，王思山. 改进强化学习算法应用于移动机器人路径规划[J]. 计算机工程与应用, 2021, 57(18): 270-274.
[15]	张俊，朱庆伟，严俊杰，温波. 改进强化学习算法的UAV室内三维航迹规划[J]. 计算机工程与应用, 2021, 57(16): 175-181.

集体理性约束的Agent协作强化学习

Multi-Agent cooperative reinforcement learning based on collective rationality

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics