多Agent Q学习几点问题的研究及改进

被引：5

作者：

孟祥萍 ^{[1
]}

王圣镔 ^{[2
]}

王欣欣 ^{[2
]}

机构：

[1] 长春工程学院电气与信息学院

[2] 东北电力大学信息工程学院

来源：

计算机工程与设计 | 2009年 / 30卷 / 09期

关键词：

多Agent强化学习算法; 蚁群算法; 轮盘赌算法; Q值; 动作空间灾难;

D O I：

10.16208/j.issn1000-7024.2009.09.074

中图分类号：

TP181 [自动推理、机器学习];

学科分类号：

081104 ; 0812 ; 0835 ; 1405 ;

摘要：

提出了一种新颖的基于Q-学习,蚁群算法和轮盘赌算法的多Agent强化学习。在强化学习算法中,当Agent数量增加到足够大时,就会出现动作空间灾难性问题,即:其交互困难,学习速度骤然下降。另外,由于Agent是利用Q值来选择下一步动作的,因此,在学习早期,动作的选择严重束缚于高Q值。在这里,把蚁群算法,轮盘赌算法和强化学习三者结合起来,期望解决上述提出的问题。最后,对新算法的理论分析和实验结果都证明了改进的Q学习是可行的,并且可以有效的提高学习效率。

引用

页码：2274 / 2276

页数：3