基于强化学习的自适应多Agent系统的构造
【出 处】:《
计算机工程与科学
》
CSCD
2011年第33卷第12期 72-77页,共6页
【作 者】:
沈乐
;
毛新军
;
董孟高
【摘 要】
自适应系统所处的环境往往是不确定的,其变化事先难以预测,如何支持这种环境下复杂自适应系统的开发已经成为软件工程领域面临的一项重要挑战。强化学习是机器学习领域中的一个重要分支,强化学习系统能够通过不断试错的方式,学习环境状态到可执行动作的最优对应策略。本文针对自适应系统环境不确定的问题,将Agent技术与强化学习技术相结合,提出复杂自适应系统开发的核心运行机制和构造技术,从而使得所开发的自适应系统具备在不确定环境下适应环境变化的能力。论文通过案例分析阐述了如何基于学习机制来进行自适应多Agent系统的开发,验证了该机制和方法的有效性。
相关热词搜索:
上一篇:一种新的检测结构克隆的方法
下一篇:基于领域本体的社会网络信息分析与可视化