多Agent系統(tǒng)的理論與技術(shù)，為分布式開放系統(tǒng)的分析、設(shè)計和實現(xiàn)提供了一條嶄新的途徑。然而隨著相關(guān)領(lǐng)域高新技術(shù)的迅猛發(fā)展，多Agent系統(tǒng)的運行環(huán)境日益趨于大型、開放、動態(tài)和不確定，迫切需要采用各種智能技術(shù)來構(gòu)建具有自學習能力的Agent，為多Agent系統(tǒng)引入學習機制使其更好地適應復雜環(huán)境，從而導致了多Agent系統(tǒng)學習這一新興研究領(lǐng)域的產(chǎn)生和迅速發(fā)展。多Agent系統(tǒng)學習包括采用機器學習等方法從積累的信息或數(shù)據(jù)中學習用于支持決策的知識，以及為建立多Agent協(xié)作、協(xié)調(diào)和競爭等機制而進行的對策學習。因此，機器學習方法和對策學習方法的研究對多Agent系統(tǒng)學習領(lǐng)域的發(fā)展具有非常重要的意義。
標簽：
Agent
上傳時間：
2014-11-04
上傳用戶：lifangyuan12
