خرید و دانلود نسخه کامل کتاب Layered learning in multiagent systems: a winning approach to robotic soccer

توضیحاتی در مورد کتاب



این کتاب به سیستم‌های چند عاملی می‌پردازد که متشکل از تیم‌هایی از عوامل مستقل هستند که در محیط‌های بی‌درنگ، پر سر و صدا، مشارکتی و متخاصم عمل می‌کنند. این کتاب چهار سهم اصلی را در زمینه‌های یادگیری ماشین و سیستم‌های چندعاملی انجام می‌دهد. ابتدا، معماری را توصیف می‌کند که در آن یک ساختار تیمی انعطاف‌پذیر به عوامل عضو اجازه می‌دهد تا یک وظیفه را به نقش‌های انعطاف‌پذیر تجزیه کنند و نقش‌ها را در حین بازی تغییر دهند. دوم، یادگیری لایه‌ای را ارائه می‌کند، یک روش یادگیری ماشینی همه منظوره برای حوزه‌های پیچیده که در آن یادگیری نقشه‌برداری مستقیم از حسگرهای عامل به محرک‌های آن‌ها با روش‌های یادگیری ماشینی موجود غیرقابل حل است. سوم، این کتاب یک الگوریتم یادگیری تقویتی چند عاملی جدید را معرفی می‌کند – یادگیری تقویتی با پارتیشن بندی، انتقال غیرشفاف (TPOT-RL) – که برای حوزه‌هایی طراحی شده است که در آن عوامل لزوماً نمی‌توانند تغییرات حالت ناشی از اقدامات دیگر عوامل را مشاهده کنند. سهم نهایی یک سیستم چند عاملی کاملاً کارآمد است که یادگیری را در یک دامنه پر سر و صدا با هم تیمی ها و دشمنان در زمان واقعی در بر می گیرد – یک تیم فوتبال رباتیک شبیه سازی شده با کامپیوتر. مسابقات اخیر ربوکاپ RoboCup نه تنها به رباتیک‌ها کمک می‌کند تا نظریه‌های خود را در یک موقعیت واقعی اثبات کنند، بلکه توجه عمومی و حرفه‌ای قابل توجهی را به حوزه رباتیک هوشمند جلب کرده است. تیم CMUnited در سال 1999 مسابقه شبیه ساز استکهلم را برد و از حریفان خود با امتیاز جمعی نسبتاً چشمگیر 110-0 پیشی گرفت.