Личный кабинет
Подробное описание документа
Селезнева М. С.
Улучшение мультиагентного обучения с подкреплением на основе эволюционной теории игр / Селезнева М. С., Чжу Х., Чжан Чэ. - DOI 10.24412/2071-6168-2026-6-85-86 // Известия Тульского Государственного университета. Сер. Технические науки. - 2026. - № 6. -
Разработан алгоритм MARL-EGT, использующий ключевой концепт теории эволюционных игр «динамику репликаторов» для расширения возможностей стратегического исследования в мультиагентном обучении с подкреплением (MARL). В сценариях с большим количеством агентов достигается повышение производительности. Кроме того, модуль теории эволюционных игр применяется исключительно для обновления основной сети, которая интегрирует расширенную командную информацию, что позволяет снизить сложность обучения. Экспериментальные результаты подтверждают, что алгоритм MARL-EGT обеспечивает кооперацию между агентами, снижает риск застревания в локальном оптимуме и демонстрирует высокую устойчивость при увеличении количества агентов, превосходя по эффективности традиционные методы MARL в условиях масштабирования. Ключевые слова обучение с подкреплением, мультиагентная система, эволюционная теория игр, динамика репликаторов, процесс Маркова
004.94 Имитационное компьютерное моделирование
Статья опубликована в следующих изданиях
№ 6. - 2026.
