Обучение с подкреплением мультиагентных систем

Abstract

Исследуются способы машинного обучения с подкреплением. Охарактеризованы алгоритмы на основе метода временных различий для обучения мультиагентных систем. Для проведения вычислительного эксперимента для трех алгоритмов – SARSA, Q-learning и Deep-Q-learning – разработаны компьютерные программы. Проведен сравнительный анализ применения указанных алгоритмов по критерию значения вознаграждения в зависимости от числа итераций, что позволяет определить оптимальный алгоритм для обучения с подкреплением мультиагентных систем