Please use this identifier to cite or link to this item:
https://dspace.ncfu.ru/handle/20.500.12258/22748
Title: | Method of Multi-Agent Reinforcement Learning in Systems with a Variable Number of Agents |
Authors: | Petrenko, V. I. Петренко, В. И. Tebueva, F. B. Тебуева, Ф. Б. Gurchinsky, M. M. Гурчинский, М. М. Pavlov, A. S. Павлов, А. С. |
Keywords: | Мультиагентное обучение с подкреплением;Переменное число агентов;Мультиагентные системы;Машинное обучение;Независимое обучение;Совместное обучение |
Issue Date: | 2022 |
Citation: | Petrenko, V.I., Tebueva, F.B., Gurchinsky, M.M., Pavlov, A.S. Method of Multi-Agent Reinforcement Learning in Systems with a Variable Number of Agents // Mekhatronika, Avtomatizatsiya, Upravlenie. - 2022. - 23 (10). - 507-514. (In Russ.) - DOI: 10.17587/mau.23.507-514 |
Series/Report no.: | Mekhatronika, Avtomatizatsiya, Upravlenie |
Abstract: | Методы мультиагентного обучения с подкреплением являются одним из новейших и активно развивающихся направлений машинного обучения. Среди методов мультиагентного обучения с подкреплением одним из наиболее перспективных является метод MADDPG, достоинством которого является высокая сходимость процесса обучения. Недостатком метода MADDPG является необходимость обеспечения равенства числа агентов N на стадии обучения и числа агентов K на стадии функционирования. В то же время целевые мультиагентные системы (МАС), такие как группы БПЛА или мобильных наземных роботов, являются системами с переменным числом агентов, что не позволяет применять в них метод MADDPG. Для решения данной проблемы в статье предложен усовершенствованный метод MADDPG для мультиагентного обучения с подкреплением в системах с переменным числом агентов. Усовершенствованный метод MADDPG базируется на гипотезе о том, что для выполнения своих функций агенту нужна информация о состоянии не всех прочих агентов МАС, а только нескольких ближайших соседей. На основе данной гипотезы предложен метод гибридного совместного/независимого обучения МАС с переменным числом агентов, который предполагает обучение некоторого небольшого числа агентов N для обеспечения функционирования произвольного числа агентов K, K > N. Проведенные эксперименты показали, что усовершенствованный метод MADDPG обеспечивает сопоставимую с оригинальным методом эффективность функционирования МАС при варьировании числа K агентов на стадии функционирования в широких пределах. |
URI: | http://hdl.handle.net/20.500.12258/22748 |
Appears in Collections: | Статьи, проиндексированные в SCOPUS, WOS |
Files in This Item:
File | Size | Format | |
---|---|---|---|
scopusresults 2493 .pdf Restricted Access | 114.41 kB | Adobe PDF | View/Open |
Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.