An Action Select Reinforcement Learning Model in Multi Agent Environment

이봉근; 안윤애

추천

검색

자료유형: 학술저널

저자정보: 이봉근 안윤애

저널정보: 한국지식정보기술학회 한국지식정보기술학회 논문지 한국지식정보기술학회 논문지 제10권 제4호

발행연도: 2015.1

수록면: 455 - 463 (9page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

Reinforcement learning is concerned with how an agent ought to take actions in an environment so as to maximize some notion of long-term reward. In particular, a multi-agent system consisting of multiple interacting agents has increased state and action space as compared to a single agent system, so it must have an effective action selection mechanism. Reinforcement learning is used to evaluate and improve the effectiveness of a robotic soccer agent's action selection. That is, an agent that chooses its actions according to a certain action selection policy receives feedback regarding whether the chosen actions are desirable or not, and the agent learns to find optimal actions for various states in simulated soccer games based on the feedback. Possible states were identified by analyzing various situations/conditions arising in simulated soccer games, and then action selection policies were defined based on the analysis of a soccer agent's behavior patterns. In this paper can be exploited to develop optimized strategies and tactics for robot soccer systems, and it is also applicable to other multi-agent learning environments similar to the robot soccer game environment. In such environments, it is significant to acquire a policy that enables intelligent agents to work cooperatively to win the game.

#Multi-agent #Reinforcement Learning #Optimal actions #ε-greedy #Robocup

참고문헌 (12)

참고문헌 신청

Alexander A. Sherstov / 2005 / Function approximation via tile coding:Automating parameter choice / In Proc. Symposium on Abstraction, Reinforcement, and Approximation(SARA-05)

David McAllester / 2001 / Keeping the ball from CMUnited-99, Robocup-2000:Robocup IV / Springer Verlag

Fangkai Yang / 2014 / Planning in answer set programming while learning action costs for mobile robots / In AAAI Spring 2014Symposium on Knowledge Representation and Reasoning in R

Matthew E. Taylor / 2007 / Representation transfer for reinforcement learning / AAAI 2007 Fall Symposium

N. Hansen / / The CMA evolution strategy: A Tutorial

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

이봉근

소속기관 한국지식정보기술학회

주요연구분야 복합학 > 학제간연구

논문수 2 이용수 70

안윤애

소속기관 한국지식정보기술학회

주요연구분야 복합학 > 학제간연구

논문수 4 이용수 31

최근 본 자료

전체보기

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (12)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

최근 본 자료

댓글(0)