Coordinamento multi-agente: Un approccio di apprendimento per rinforzo

Titolo originale:

Multi-Agent Coordination: A Reinforcement Learning Approach

Contenuto del libro:

Scopri gli ultimi sviluppi delle tecniche di coordinamento multi-robot con questa risorsa perspicace e originale.

Multi-Agent Coordination: A Reinforcement Learning Approach offre una trattazione completa, approfondita e unica dello sviluppo di algoritmi di coordinamento multi-robot con un carico computazionale minimo e requisiti di archiviazione ridotti rispetto agli algoritmi tradizionali. Gli esperti accademici, ingegneri e autori forniscono ai lettori sia un'introduzione e una panoramica di alto livello sulla coordinazione multirobot, sia un'analisi approfondita degli algoritmi di pianificazione basati sull'apprendimento.

Scoprirete come accelerare l'esplorazione dell'obiettivo della squadra e approcci alternativi per accelerare la convergenza del TMAQL identificando l'azione congiunta preferita dalla squadra. Gli autori propongono anche nuovi approcci al Q-learning consensuale che affrontano il problema della selezione dell'equilibrio e un nuovo modo di valutare il valore soglia per l'unione degli imperi senza imporre un significativo overhead di calcolo. Infine, il libro si conclude con un esame della probabile direzione della ricerca futura in questo campo in rapido sviluppo.

I lettori scopriranno tecniche all'avanguardia per la coordinazione multi-agente, tra cui:

⬤ Un'introduzione alla coordinazione multi-agente tramite l'apprendimento per rinforzo e gli algoritmi evolutivi, inclusi argomenti come l'equilibrio di Nash e l'equilibrio correlato.

⬤ Miglioramento della velocità di convergenza dell'apprendimento Q multi-agente per la pianificazione cooperativa dei compiti.

⬤ Apprendimento Q consensuale per la pianificazione cooperativa multi-agente.

⬤ Il calcolo efficiente dell'equilibrio correlato per la pianificazione cooperativa multi-agente basata sul Q-learning.

⬤ Un algoritmo competitivo imperialista modificato per applicazioni multi-agente di trasporto di bastoni.

Perfetto per accademici, ingegneri e professionisti che lavorano regolarmente con algoritmi di apprendimento multi-agente, Multi-Agent Coordination: A Reinforcement Learning Approach è anche un libro da leggere per chiunque abbia un interesse avanzato per l'apprendimento automatico e l'intelligenza artificiale nel campo della robotica cooperativa o competitiva.