The dynamics of reinforcement social learning in networked cooperative multiagent systems

هماهنگی چندگانه در سیستم های چند منظوره تعاونی، به عنوان یکی از مشکلات اساسی در سیستم های چند گانه، و در مواد مختلف مورد مطالعه قرار گرفته است. در محیط های واقعی، تعاملات میان عوامل معمولا پراکنده هستند و توسط ساختار شبکه زیربنایی آنها تنظیم می شوند، که در عین حال، در کار قبلی نسبتا کمی توجه کرده است. برای این منظور، ابتدا به طور سیستماتیک مشکلات هماهنگی چندگانه در محیط های همکاری تحت چارچوب یادگیری اجتماعی شبکه زیر چهار توپولوژی نمایندگی بررسی می شود. یک چارچوب یادگیری اجتماعی شبکه شامل یک جمعیت از عوامل است که هر عامل با یک عامل دیگر که به طور تصادفی از محله خود در هر دور انتخاب شده است تعامل دارد. هر عامل از طریق تعاملات مکرر با همسایگان خود از طریق یادگیری فردی و یادگیری اجتماعی، سیاست یادگیری خود را به روز می کند. به طور پیشینی مشخص نیست که آیا تمام عوامل قادر به یادگیری در راستای یک سیاست هماهنگ مطلوب هماهنگی هستند. دو نوع یادگیرندگان پیشنهاد شده است: یادگیرنده اقدام فردی و یادگیرنده اقدام مشترک. ما عملکرد یادگیری هر دو زبان آموزان را به طور گسترده در بازی های مختلف همکاری (بازی تک تک و مارکوف) ارزیابی می کنیم. علاوه بر این، تأثیر عوامل مختلف (توپولوژی شبکه، انواع مختلف بازی ها، پارامترهای توپولوژیکی مختلف) مورد بررسی و تحلیل قرار گرفته و بینش های جدید به دست می آید.