- 1、本文档共11页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
- 5、该文档为VIP文档,如果想要下载,成为VIP会员后,下载免费。
- 6、成为VIP后,下载本文档将扣除1次下载权益。下载后,不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后,您将拥有八大权益,权益包括:VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传,每下载1次, 网站将根据用户上传文档的质量评分、类型等,对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
基于后悔值的多Agent冲突博弈强化学习模型-软件学报
ISSN 1000-9825, CODEN RUXUEW E-mail: jos@
Journal of Software , Vol.19, No.11, November 2008, pp.2957−2967
DOI: 10.3724/SP.J.1001.2008.02957 Tel/Fax: +86-10
© 2008 by Journal of Software . All rights reserved.
∗
基于后悔值的多Agent 冲突博弈强化学习模型
+
肖 正 , 张世永
(复旦大学 计算机与信息技术系,上海 200433)
Reinforcement Learning Model Based on Regret for Multi-Agent Conflict Games
+
XIAO Zheng , ZHANG Shi-Yong
(Department of Computer and Information Technology, Fudan University, Shanghai 200433, China)
+ Corresponding author: E-mail: xiaozheng206@163.com,
Xiao Z, Zhang SY. Reinforcement learning model based on regret for multi-agent conflict games. Journal of
Software, 2008,19(11):2957−2967. /1000-9825/19/2957.htm
Abstract : For conflict game, a rational but conservative action selection method is investigated, namely,
minimizing regret function in the worst case. By this method the loss incurred possibly in future is the lowest under
this very policy, and Nash equilibrium mixed policy is obtained without information about other agents. Based on
regret, a reinforcement learning model and its algorithm for conflict game under multi-agent complex environment
are put forward. This model also builds agents’ belief updating process on the concept of cross entropy distance,
which further optimizes action selection policy for conflict games. Based on Markov repeated game model, this
paper demonstrates the convergence property of this algorithm, and analyzes the relationship between belief and
optimal policy. Additionally, compared with extended Q-learning algorithm under MMDP (multi-agent markov
deci
您可能关注的文档
- 基于BIST的板级数模混合电路的可测性研究.PDF
- 基于ARIMA和GM11模型的陕西个人卫生-中国卫生政策研究.PDF
- 基于BIM的运维阶段设备构件预警管理系统研究-计算机工程与应用.PDF
- 基于CCRBCC与SE-DEA模型的科技创新投入绩效评价研究.PDF
- 基于citespace的国际体育场馆知识图谱分析及启示-沈阳体育学院学报.PDF
- 基于DEA-Tobit二阶段模型的环境支出绩效评价及其影响-中国发展.PDF
- 基于DEA和Malmquist模型的中国三大城群可持续发展效率研究.PDF
- 基于DEA模型的中国全要素电能利用效率分析-上海电力学院学报.PDF
- 基于DEA模型的江苏木材加工龙头企业效率评价-南京林业大学学报.PDF
- 基于DEA模型的中国星级饭店业经营效率-重庆师范大学学报.PDF
文档评论(0)