بهبود عملکرد عاملها در جامعه مصنوعی با استفاده از یادگیری تقویتی

چکیده معمولا در سیستم‌های چندعاملی، تعاملات بین عامل‌ها و تعاملات عامل‌ها با محیط، به صورت انتخاب و اجرای عمل‌هایی از بین مجموعه‌ای محدود از اعمال مشخص توسط عامل‌ها حاصل می‌شود. بنابراین نوع و میزان پیچیدگی رفتارهای پیدایشی حاصل از این تعاملات نیز به نحوه اجرا و تعداد رفتارهای قابل اجرا توسط عامل‌ها وابسته است. در این پژوهش سعی شد با توسعه مدل کسب و انتقال تجربه و اضافه کردن قابلیت یادگیری به عامل‌ها، تاثیر یادگیری در بهبود رفتار عامل‌ها در انتخاب روش (راهبرد) های انتقال تجربه و در بهبود شاخص‌های رفاهی در جامعه مصنوعی مورد مطالعه قرار گیرد. روش یادگیری پیشنهاد شده در پژوهش برای افزایش دامنه توانایی‌های عامل‌ها، یادگیری تقویتی4 بود. با استفاده از این روش، عامل‌ها به مرور زمان یاد گرفتند که چگونه در مواجهه با شرایط مختلف محیطی، رفتارهای مناسب‌تری را انتخاب و اجرا کنند تا به اهداف فردی و اجتماعی نزدیک‌تر شوند. نتایج حاصل از شبیه‌سازی و انجام آزمایش‌ها نشان داد که اعمال فرآیند یادگیری می‌تواند منجر به بهبود رفتار عامل‌ها و بهبود شاخص‌های رفاهی جامعه مصنوعی شود.