1. SISN
  2. Всі випуски
  3. Випуск 743, 2012
  4. Заохочувальне навчання мультиагентних систем

Заохочувальне навчання мультиагентних систем

SISN.
2012;
Випуск 743, Номер 1
: сс. 94 – 103

Кравець П.О. Заохочувальне навчання мультиагентних систем / П.О. Кравець // Вісник Національного університету "Львівська політехніка". – 2012. – № 743 : Інформаційні системи та мережі. – С. 94–103. – Бібліографія: 16 назв.

Authors: 

Кравець П.О.

The problem of reinforcement learning of multiagent systems in the game formulation is considered. The Markovian model of stochastic game is constructed, criteria of game learning are formulated, the Q-method and corresponding algorithm of the stochastic game solving are described, results of computer realization of a Q-method are analyzed.

мультиагентна система
стохастична гра
reinfocement learning
Q-method

1. Тарасов В.Б. От многоагентных систем к интеллектуальным организациям: философия, психология, информатика / В.Б. Тарасов. — М.: Эдиториал УРСС, 2002. — 352 с.
2. Wooldridge M. An Introduction to Multiagent Systems / M. Wooldridge. — John Wiley & Sons, 2002. — 366 pp.
3. Weiss, G. Multiagent Systems. A Modern Approach to Distributed Artificial Intelligence / G. Weiss, editor. — Springer Verlag, Berlin, 1996. — 643 pp.
4. Назин А.В. Адаптивный выбор вариантов: Рекуррентные алгоритмы / А.В. Назин, А.С. Позняк. — М.: Наука, 1986. — 288 с.
5. Kaelbling, Leslie. Reinforcement learning: A survey / Leslie Kaelbling, Michael L. Littman, Andrew W. Moore. Journal of Artificial
Intelligence Research. — 1996. — No. 4. — PP. 237–285.
6. Sutton, R. S. Reinforcement Learning: An Introduction / Richard S. Sutton, Andrew G. Barto. — MIT Press, 1998. — 322 pp.
7. Watkins, C.J.C.H. Q-Learning / C.J.C.H. Watkins, P. Dayan // Machine Learning. — Kluwer Academic Publishers, Boston. — 1992. — No. 8. — PP. 279–292.
8. Fudenberg, D. The Theory of Learning in Games / D. Fudenberg, D.K. Levine. — Cambridge, MA: MIT Press, 1998. — 292 pp.
9. Hu, J. Nash Q-learning for general-sum stochastic games / J. Hu, M. P. Wellman // Machine Learning Research. — 2003. — No. 4. — PP. 1039–1069.
10. Puterman, M. L. Markov Decision Processes: Discrete Stochastic Dynamic Programming / M. L. Puterman. — John Wiley & Sons, New York, 2005. — 649 pp.
11. Weinberg, M. Best-Response Multiagent Learning in Non-Stationary Environments / Michael Weinberg, Jeffrey S. Rosenschein // AAMAS’04. — New York, USA. — July 19 — 23, 2004.
12. Greenwald, A. Correlated Q-learning / A. Greenwald, K. Hall // Proceedings of the Twentieth International Conference on Machine Learning. — 2003. — PP. 242–249.
13. Мулен Э. Теория игр с примерами из математической экономики / Э. Мулен. — М.: Мир, 1985. — 200 с.
14. Новиков, Д.А. Рефлексивные игры / Д.А. Новиков, А.Г. Чхартишвили. — М.: СИНТЕГ, 2003. — 149 с.
15. Вазан, М. Стохастическая аппроксимация / М. Вазан. — М.: Мир, 1972. — 295 с.
16. Невельсон, М.Б. Стохастическая оптимизация и рекуррентное оценивание / Невельсон М.Б., Хасьминский Р.З. — М.: Наука, 1972. — 304 с.