Multiagent reinforcement learning using Non-Parametric Approximation

• Autores: David Luviano Cruz, Francesco José García Luna, Luis Asunción Pérez Domínguez
• Localización: Respuestas, ISSN 0122-820X, ISSN-e 2422-5053, Vol. 23, Nº. 2, 2018, págs. 53-61
• Idioma: inglés
• Títulos paralelos:
  • Aprendizaje por reforzamiento para sistemas multiagentes utilizando Aproximación No Paramétrica
• Enlaces
  • Texto completo (pdf)
• Resumen
  • español

    En este artículo se presenta una propuesta hibrida de algoritmo de control para sistemas multiagentes, en donde se aprovechan las ventajas del aprendizaje por reforzamiento y de las funciones de aproximación no paramétricas. Se utiliza una versión modificada del algoritmo Q-learning la cual proveerá de datos de entrenamiento para un Kernel, el cual ofrecerá una aproximación sub optima de acciones a realizar por los agentes. El algoritmo propuesto es probado experimentalmente en una tarea de generación de trayectoria en un entorno desconocido para robot móviles.

  • English

    This paper presents a hybrid control proposal for multi-agent systems, where the advantages of the reinforcement learning and nonparametric functions are exploited. A modified version of the Q-learning algorithm is used which will provide data training for a Kernel, this approach will provide a sub optimal set of actions to be used by the agents. The proposed algorithm is experimentally tested in a path generation task in an unknown environment for mobile robots.