1) multiagent reinforcement learning
多Agent增强学习
1.
To achieve coherence and stability in operations of Wireless sensor networks (WSNs) in pervasive computing environment, a self-organization method is proposed based on multiagent reinforcement learning.
为实现在普适计算环境下无线传感器网络运行的协调统一和稳定,提出一种基于多Agent增强学习的自组织方法。
3) multi-agent learning
多agent学习
1.
Rationality and convergence are two topics in the research on multi-agent learning.
理性和收敛是多agent学习研究所追求的目标,在理性合作的多agent系统中提出利用Pareto占优解代替非合作的Nash平衡解进行学习,使agent更具理性,另一方面引入社会公约来启动和约束agent的推理,统一系统中所有agent的决策,从而保证学习的收敛性。
4) Cooperative Reinforcement Learning Method
多Agent协作强化学习
5) multi-agent reinforcement learning algorithm
多Agent强化学习算法
补充资料：部分学习与整体学习
部分学习与整体学习
part learning and whole learning
部分学习与整体学习(part learningand whole learning)在运动学习和记忆学习中，根据对学习内容的处理方式可以分成部分学习和整体学习。部分学习就是将材料分成几个部分，每次学习一个部分:整体学习就是每次学习整个材料。一般来讲，整体学习的效果优于部分学习。但是，课题复杂彼此没有意义联系的材料，用部分学习的效果好:课题简短或具有意义联系的材料，用整体学习的效果好。在进行学习时，可以将部分学习与整体学习结合起来，先进行整体学习再进行部分学习，或者相反。这种相互结合的学习方式叫做综合学习，效果更好些。 (周国帕撰成立夫审)
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条