Shaping Multi-Agent Systems with Gradient Reinforcement Learning

Olivier Buffet 1 Alain Dutech 2 François Charpillet 2
2 MAIA - Autonomous intelligent machine
INRIA Lorraine, LORIA - Laboratoire Lorrain de Recherche en Informatique et ses Applications
Abstract : An original Reinforcement Learning (RL) methodology is proposed for the design of multi-agent systems. In the realistic setting of situated agents with local perception, the task of automatically building a coordinated system is of crucial importance. To that end, we design simple reactive agents in a decentralized way as independent learners. But to cope with the difficulties inherent to RL used in that framework, we have developed an incremental learning algorithm where agents face a sequence of progressively more complex tasks. We illustrate this general framework by computer experiments where agents have to coordinate to reach a global goal.
Type de document :
Article dans une revue
Autonomous Agents and Multi-Agent Systems, Springer Verlag, 2007, 15 (2), pp.197--220. 〈10.1007/s10458-006-9010-5〉
Liste complète des métadonnées

Littérature citée [49 références]  Voir  Masquer  Télécharger

https://hal.inria.fr/inria-00118983
Contributeur : Alain Dutech <>
Soumis le : vendredi 8 décembre 2006 - 13:29:38
Dernière modification le : mercredi 28 février 2018 - 10:22:50
Document(s) archivé(s) le : mercredi 7 avril 2010 - 00:02:12

Fichiers

buffet_shapingSMAwithRL_AAMASJ...
Fichiers produits par l'(les) auteur(s)

Identifiants

Citation

Olivier Buffet, Alain Dutech, François Charpillet. Shaping Multi-Agent Systems with Gradient Reinforcement Learning. Autonomous Agents and Multi-Agent Systems, Springer Verlag, 2007, 15 (2), pp.197--220. 〈10.1007/s10458-006-9010-5〉. 〈inria-00118983〉

Partager

Métriques

Consultations de la notice

253

Téléchargements de fichiers

432