Agudo: Marco de Comunicación Atencional para Aprendizaje por Refuerzo Multiagente en Escenarios Parcialmente Comunicables
Autores: Zhao, Chengzhang; Zhao, Jidong; Du, Zhekai; Lu, Ke
Idioma: Inglés
Editor: MDPI
Año: 2022
Acceso abierto
Artículo científico
2022
Agudo: Marco de Comunicación Atencional para Aprendizaje por Refuerzo Multiagente en Escenarios Parcialmente Comunicables
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Eléctrica y Electrónica
Palabras clave
Aprendizaje por refuerzo multiagente
Interferencia de comunicación
Confiabilidad de la comunicación
Restricciones de capacidad del canal
Marco de comunicación atencional
Sistemas multiagente a gran escala
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 24
Citaciones: Sin citaciones
El aprendizaje por refuerzo multiagente (MARL) tiene como objetivo estudiar el comportamiento de múltiples agentes en un entorno compartido.
Descripción
El aprendizaje por refuerzo multiagente (MARL) tiene como objetivo estudiar el comportamiento de múltiples agentes en un entorno compartido.