计算机科学
計算機科學
계산궤과학
COMPUTER SCIENCE
2009年
1期
39-42
,共4页
王晓伶%慕德俊%刘哲元%袁源
王曉伶%慕德俊%劉哲元%袁源
왕효령%모덕준%류철원%원원
多智能体系统%可分解马尔可夫决策过程%贝叶斯网络%上下文独立%条件独立
多智能體繫統%可分解馬爾可伕決策過程%貝葉斯網絡%上下文獨立%條件獨立
다지능체계통%가분해마이가부결책과정%패협사망락%상하문독립%조건독립
不确定环境下MAS生成协作策略的复杂度关系到协作任务能否成功实现.为降低马尔可夫决策模型生成MAS协作策略的复杂度,减少协作通信量,改进了可分解MDP模型生成策略树的方法.利用Bayesian网络中agent状态之间存在的条件独立性与上下文独立性,分解并优化SPI算法生成的策略树,使得MAS中处于独立状态的agent可以分布独立运行,只有在需要同其他agent协商时才进行通信.通信时采用端对端的方式,agent不仅知道协商内容、协商时机,而且知道协作的目标.实验表明,采用该协作策略MAS在完成协作任务获得目标奖励的同时可以有效降低通信量.
不確定環境下MAS生成協作策略的複雜度關繫到協作任務能否成功實現.為降低馬爾可伕決策模型生成MAS協作策略的複雜度,減少協作通信量,改進瞭可分解MDP模型生成策略樹的方法.利用Bayesian網絡中agent狀態之間存在的條件獨立性與上下文獨立性,分解併優化SPI算法生成的策略樹,使得MAS中處于獨立狀態的agent可以分佈獨立運行,隻有在需要同其他agent協商時纔進行通信.通信時採用耑對耑的方式,agent不僅知道協商內容、協商時機,而且知道協作的目標.實驗錶明,採用該協作策略MAS在完成協作任務穫得目標獎勵的同時可以有效降低通信量.
불학정배경하MAS생성협작책략적복잡도관계도협작임무능부성공실현.위강저마이가부결책모형생성MAS협작책략적복잡도,감소협작통신량,개진료가분해MDP모형생성책략수적방법.이용Bayesian망락중agent상태지간존재적조건독립성여상하문독립성,분해병우화SPI산법생성적책략수,사득MAS중처우독립상태적agent가이분포독립운행,지유재수요동기타agent협상시재진행통신.통신시채용단대단적방식,agent불부지도협상내용、협상시궤,이차지도협작적목표.실험표명,채용해협작책략MAS재완성협작임무획득목표장려적동시가이유효강저통신량.
