• 文献检索
  • 文档翻译
  • 深度研究
  • 学术资讯
  • Suppr Zotero 插件Zotero 插件
  • 邀请有礼
  • 套餐&价格
  • 历史记录
应用&插件
Suppr Zotero 插件Zotero 插件浏览器插件Mac 客户端Windows 客户端微信小程序
定价
高级版会员购买积分包购买API积分包
服务
文献检索文档翻译深度研究API 文档MCP 服务
关于我们
关于 Suppr公司介绍联系我们用户协议隐私条款
关注我们

Suppr 超能文献

核心技术专利:CN118964589B侵权必究
粤ICP备2023148730 号-1Suppr @ 2026

文献检索

告别复杂PubMed语法,用中文像聊天一样搜索,搜遍4000万医学文献。AI智能推荐,让科研检索更轻松。

立即免费搜索

文件翻译

保留排版,准确专业,支持PDF/Word/PPT等文件格式,支持 12+语言互译。

免费翻译文档

深度研究

AI帮你快速写综述,25分钟生成高质量综述,智能提取关键信息,辅助科研写作。

立即免费体验

马尔可夫博弈中的分布式学习

Decentralized learning in Markov games.

作者信息

Vrancx Peter, Verbeeck Katja, Nowé Ann

机构信息

Computational Modeling Laboratory (COMO), Vrije Universiteit Brussel, 1050 Brussels, Belgium.

出版信息

IEEE Trans Syst Man Cybern B Cybern. 2008 Aug;38(4):976-81. doi: 10.1109/TSMCB.2008.920998.

DOI:10.1109/TSMCB.2008.920998
PMID:18632387
Abstract

Learning automata (LA) were recently shown to be valuable tools for designing multiagent reinforcement learning algorithms. One of the principal contributions of the LA theory is that a set of decentralized independent LA is able to control a finite Markov chain with unknown transition probabilities and rewards. In this paper, we propose to extend this algorithm to Markov games--a straightforward extension of single-agent Markov decision problems to distributed multiagent decision problems. We show that under the same ergodic assumptions of the original theorem, the extended algorithm will converge to a pure equilibrium point between agent policies.

摘要

学习自动机(LA)最近被证明是设计多智能体强化学习算法的有价值工具。LA理论的主要贡献之一是,一组分散的独立学习自动机能够控制一个具有未知转移概率和奖励的有限马尔可夫链。在本文中,我们提议将该算法扩展到马尔可夫博弈——单智能体马尔可夫决策问题到分布式多智能体决策问题的直接扩展。我们表明,在原始定理的相同遍历假设下,扩展算法将收敛到智能体策略之间的纯均衡点。

相似文献

1
Decentralized learning in Markov games.马尔可夫博弈中的分布式学习
IEEE Trans Syst Man Cybern B Cybern. 2008 Aug;38(4):976-81. doi: 10.1109/TSMCB.2008.920998.
2
Decentralized indirect methods for learning automata games.学习自动机博弈的分散式间接方法。
IEEE Trans Syst Man Cybern B Cybern. 2011 Oct;41(5):1213-23. doi: 10.1109/TSMCB.2011.2118749.
3
Model-based reinforcement learning for partially observable games with sampling-based state estimation.基于模型的强化学习在基于采样状态估计的部分可观测博弈中的应用
Neural Comput. 2007 Nov;19(11):3051-87. doi: 10.1162/neco.2007.19.11.3051.
4
Partially observable Markov decision processes and performance sensitivity analysis.部分可观测马尔可夫决策过程与性能灵敏度分析。
IEEE Trans Syst Man Cybern B Cybern. 2008 Dec;38(6):1645-51. doi: 10.1109/TSMCB.2008.927711.
5
Unsupervised learning of Probabilistic Grammar-Markov Models for object categories.用于对象类别的概率语法-马尔可夫模型的无监督学习。
IEEE Trans Pattern Anal Mach Intell. 2009 Jan;31(1):114-28. doi: 10.1109/TPAMI.2008.67.
6
Decentralized Bayesian search using approximate dynamic programming methods.使用近似动态规划方法的分散式贝叶斯搜索
IEEE Trans Syst Man Cybern B Cybern. 2008 Aug;38(4):970-5. doi: 10.1109/TSMCB.2008.928180.
7
Prioritizing point-based POMDP solvers.优先考虑基于点的部分可观测马尔可夫决策过程(POMDP)求解器。
IEEE Trans Syst Man Cybern B Cybern. 2008 Dec;38(6):1592-605. doi: 10.1109/TSMCB.2008.928222.
8
Colonies of learning automata.学习自动机群体
IEEE Trans Syst Man Cybern B Cybern. 2002;32(6):772-80. doi: 10.1109/TSMCB.2002.1049611.
9
Markov chains: computing limit existence and approximations with DNA.马尔可夫链:利用DNA计算极限的存在性与近似值
Biosystems. 2005 Sep;81(3):261-6. doi: 10.1016/j.biosystems.2005.05.003.
10
Approximate learning algorithm in Boltzmann machines.玻尔兹曼机中的近似学习算法。
Neural Comput. 2009 Nov;21(11):3130-78. doi: 10.1162/neco.2009.08-08-844.