多Agent系统的Q值强化学习算法  

Q-learning Algorithm in Multi-Agent Systems

作　　者：尚艳玲[1] 肖文雅[2] 

机构地区：[1]安阳师范学院计算机教学部,河南安阳455000 [2]新乡医学院现代教育中心,河南新乡453003

出　　处：《河南师范大学学报（自然科学版）》2013年第2期158-160,共3页Journal of Henan Normal University(Natural Science Edition)

基　　金：国家自然科学基金(61073065);河南省社科联;省经联团调研课题(SKL-2012-2608)

摘　　要：对多Agent系统的Q值强化学习算法进行研究,将历史信息因素的影响添加到Q值学习中,提出了一个新的基于多Agent系统的Q值学习算法.该算法在保证多Agent系统利益达到相对最大化的同时,也有效降低了Agent之间的冲突率.最后,通过仿真测试验证了该算法的有效性.This paper investigated reinforcement learning in multi-Agent systems. By adding the historical information in learning process and updating the Q learning function, a new algorithm in multi-agents environment was proposed. This algorithm guaranteed the maximization of interests and reduced the conflict rate among multiple Agents. Finally, the effectiveness of the algorithm was verified by the simulation.

关 键 词：多AGENT 强化学习 Q值学习 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]