ACCUEIL

Consignes aux
auteurs et coordonnateurs
Nos règles d'éthique
Autres revues >>

Ingénierie des Systèmes d'Information

Networking and Information Systems
1633-1311
Revue des sciences et technologies de l'information
 

 ARTICLE VOL 8/RSTI2 - 2003  - pp.219-231
TITRE
Apprentissage par renforcement pour la conception de systèmes multi-agents réactifs

RÉSUMÉ
Nous proposons une nouvelle méthodologie d’apprentissage par renforcement (AR) pour la conception de systèmes multi-agents réactifs. Bien que le cadre réaliste d’agents situés avec des perceptions locales sorte du cadre théorique de convergence des algorithmes classiques d’apprentissage par renforcement, notre méthode permet à chaque agent d’apprendre individuellement et localement son comportement. L’aspect progressif de notre algorithme qui met les agents en présence de sous-tâches de plus en plus complexes permet de dépasser les limitations classiques de l’AR dans ce contexte. Notre méthodologie, qui se veut générale, est validée en simulation sur un problème où les agents doivent se coordonner pour atteindre un but global.

ABSTRACT
A new reinforcement learning (RL) methodology for the design of reactive multi-agent systems is presented. Although dealing with realistic situated agents with local perception does not belong to the framework where convergence of RL algorithme is guaranted, in our method each agent learns individually its local behavior. The progressive aspect of learning, which pits the agents against more and more complex sub-tasks, allows to go beyond the classical limitation of RL in this context. Our general framework is validated on a simulated environment where the agents have to coordinate themselves to reach a global goal.

AUTEUR(S)
Alain DUTECH, Olivier BUFFET, François CHARPILLET

MOTS-CLÉS
processus décisionnels de Markov, agents réactifs, apprentissage par renforcement, apprentissage progressif, coordination, coopération

KEYWORDS
Markov decision processes, reactive agents, reinforcement learning, shaping, coordination, cooperation

LANGUE DE L'ARTICLE
Français

 PRIX
• Abonné (hors accès direct) : 12.5 €
• Non abonné : 25.0 €
|
|
--> Tous les articles sont dans un format PDF protégé par tatouage 
   
ACCÉDER A L'ARTICLE COMPLET  (130 Ko)



Mot de passe oublié ?

ABONNEZ-VOUS !

CONTACTS
Comité de
rédaction
Conditions
générales de vente

 English version >> 
Lavoisier