Досліджується проблема колективного вибору варіантів рішень у мультиагентних системах на основі стохастичних ігрових моделей. Виконано формулювання ігрової задачі в умовах невизначеності. Побудовано адаптивні рекурентні методи розв’язування ігрової задачі. Визначено умови збіжності ігрових методів до колективних станів рівно- ваги. Розроблено алгоритмічні та програмні засоби для розв’язування ігрової задачі.
The problem of collective alternate solutions in multiagent systems on a basis of the stochastic game models is investigated. The game problem formulation in uncertainty conditions is executed. The adaptive recurrence methods of the game solving are constructed. The convergence conditions of game methods to collective equilibrium states is defined. The algorithm and software tools for the game task solving are developed.
- Gerhard Weiss and Sandip Sen, editors. Adaptation and Learning in Multiagent Systems. Springer Verlag, Berlin, 1996.
- Stone P. Layered Learning in Multiagent Systems. — MIT Press, 2000.
- Fudenberg D., Levine D. K. The Theory of Learning in Games. — Cambridge, MA: MIT Press, 1998.
- Назин А.В., Позняк А. С. Адаптивный выбор вариантов: Рекуррентные алгоритмы. — М.: Наука, 1986.
- Воробьев Н. Н. Основы теории игр: Бескоалиционные игры. — М.: Наука, 1984.
- Вазан М. Стохастическая аппроксимация. — М.: Мир, 1972.
- Невельсон М.Б., Хасьминский Р. З. Стохастическая оптимизация и рекуррентное оценивание. — М.: Наука, 1972.
- Nelson Minar, Kwindla Hultman Kramer, and Pattie Maes. Cooperating Mobile Agents for Dynamic Network Routing. In Alex Hayzelden, editor, Software Agents for Future Communications Systems, chapter 12. — Springer- Verlag, 1999.
- Littman M. and Boyan J. A Distributed Reinforcement Learning Scheme for Network Routing, TR CS-93-165, CMU, 1993.