多智能体

这三个博弈论新趋势，正深刻影响深度强化学习

从单智能体程序到复杂的多智能体深度强化学习环境，博弈论原理贯穿了AI程序的整个生命周期。而反过来，DRL的快速演化也重新激发了人们对博弈论研究的关注。目前，大多数DR
喜欢打酱油的老鸟·2020-07-15 07:11

多智能体强化学习博弈系列（1）- 差分博弈和模糊系统

几点说明：这个系列重点关注多智能体和强化学习在差分博弈中的应用，文章中有尝试复现的主要是双人/多人混合策略多阶段随机差分零和游戏的模拟。
Edward Tivrusky IV·2020-07-12 19:37

区块链基本原理，Part-1：拜占庭容错

分布式计算和多智能体系统的一个基本问题是如何在一些错误流程存在的情况下实现总体系统的可靠性。这通常需要各个流程就计算中所需的某些数据值达成一致意见。¹这些过程被
跨链技术践行者·2020-07-11 22:03

强化学习入门系列一VS强化学习的基本概念

a.智能体b.策略函数c.值函数d.模型4.强化学习的环境类型（1）确定性环境（2）随机性环境（3）完全可观测环境（4）部分可观测环境（5）离散环境（6）连续环境（7）情景和非情景环境（8）单智能体和多智能体环境
左小楼先生·2020-07-11 07:38

谈谈分布式多智能体中的显式协调机制

本文csdn博客链接：http://blog.csdn.net/screscent/article/details/78742815本文qq空间链接：http://user.qzone.qq.com/29185807/blog/1512635030官方一点，先解释下什么是协调机制。协调机制是指多个子问题求解器agent之间进行信息交互并因此决定自己行为时所共同约定的规则。设计良好的协调机制，可以有
月牙寂·2020-07-08 04:15

[论文笔记]MAS论文综述

多智能体系统(MAS)纵览===================================================Part11.介绍分布式人工智能(DAI)DAI算法根据下述三种方法划分为三个类别
JonyChan——JC·2020-07-08 02:47

多机器人协同编队算法原理及实现

图论基础控制协同多智能体动态系统是通过通信图进行相互联系的动力学问题，通信图表明了各个节点之间的信息流。协同控制的目标是为各个节点设计控制协议，以
RedGlass_lee·2020-07-07 22:18

DeepMind发布多智能体协作最新评估方法α-Rank，登上Nature

大数据文摘出品来源：Nature编译：魏子敏、宁静在开发通用人工智能的过程中，训练和评估算法同样重要。评估指标不仅仅在培训结束时发挥作用，并且也是整个培训过程中智能体进化的关键驱动因素。错误的排序和不合理的限制可能会让AI自行进化出奇怪的“心眼”。在之前我们的一篇报道中就总结了错误的评估方式导致的AI“钻空子”训练法，比如在让AI玩俄罗斯方块的时候，发现最佳完成任务的方式是直接暂停游戏；在玩井字棋
BigDataDigest·2020-07-06 21:47

这三个博弈论新趋势，正深刻影响深度强化学习

从单智能体程序到复杂的多智能体深度强化学习环境，博弈论原理贯穿了AI程序的整个生命周期。而反过来，DRL的快速演化也重新激发了人们对博弈论研究的关注。目前，大多数DRL模型事实上还停留在传统的博
人工智能学家·2020-07-04 12:58

这三个博弈论新趋势，正深刻影响深度强化学习

从单智能体程序到复杂的多智能体深度强化学习环境，博弈论原理贯穿了AI程序的整个生命周期。而反过来，DRL的快速演化也重新激发了人们对博弈论研究的关注。
算法与数学之美·2020-07-04 05:46

MADDPG翻译

blog.openai.com/learning-to-cooperate-compete-and-communicate/本文是对MADDPG的翻译，huanghe摘要一，引言二，相关工作三，研究背景四，方法4.1多智能体
qiusuoxiaozi·2020-07-02 15:27

多智能体强化学习(一)

在多智能体系统中，每个智能体通过与环境进行交互获取奖励值来学习改善自己的策略，从而获得该环境下最优策略的过程。
沐念丶·2020-07-02 10:11

OpenAI的研究员发明MADDPG算法：允许智能体之间学会协作与竞争

在多智能体环境（Multiagentenvironments）中，智能体之间对资源的恶性竞争现象无疑是通往通用人工智能（Artificialgeneralintelligence,AGI）路上的一块绊脚石
小草cys·2020-07-01 14:56

ICML 2019 | 腾讯AI Lab入选论文详解：从协同通道剪枝到多智能体强化学习

感谢阅读腾讯AILab微信号第73篇文章。本文将分组介绍2019年第三十六届机器学习国际会议（ICML）中腾讯AILab的6篇入选论文。国际机器学习会议（ICML）是世界上最重要的人工智能会议之一，该会议主要致力于推动机器学习相关技术的发展和交流。在每年的ICML上，我们都能看到与机器学习密切相关的各个方面的前沿研究，其中既有在各个机器学习分支上的最新进展，也有机器学习技术在不同领域的全新应用。I
腾讯AI实验室·2020-06-30 05:13

Swarm安装与开发环境配置

如果你正在研究多智能体系统（Multi-AgentSystems，MAS），如果恰巧你有一点Java程序设计基础，如果更巧的是你对用SwarmforJava开发MAS抱有浓厚的兴趣，那么请跟随我一起来搭建一个
Chungtow-Leo·2020-06-30 04:44

博弈论与多智能体强化学习

AnnNowe´,PeterVrancx,andYann-Michae¨lDeHauwereAbstract.ReinforcementLearningwasoriginallydevelopedforMarkovDecisionProcesses(MDPs).Itallowsasingleagenttolearnapolicythatmaximizesapos-siblydelayedrewar
Adam坤·2020-06-29 02:17

集中式网络、分散式网络及分布式网络的概念、定义、差别 以及 多智能体一致性控制问题

以下内容来自于我导师的教导，致谢导师1、集中式多智能体系统：一个智能体集中控制整个系统，它是一种规划与决策的自上而下式的层次控制结构。
qq_35379989·2020-06-25 09:50

很认真的中了一篇AAMAS2019的文章：Modelling the Dynamic Joint Policy of Teammates with Attention Multi-agent DDPG

【有中相同会议的小伙伴记得联系我哦，可以一起商量着把会议相关的事情做好】这篇文章是利用深度强化学习（DeepReinforcementLearning）做多智能体合作（multi-agentcooperation
mmc2015·2020-06-24 15:36

多智能体强化学习（MARL）近年研究概览

©PaperWeekly原创·作者｜李文浩学校｜华东师范大学博士生研究方向｜强化学习最近由于写论文的原因，梳理了一下近几年的多智能体强化学习（MARL）算法，在这里做一个总结。
PaperWeekly·2020-06-22 19:21

说一说无人机编队的控制方法

无人机、机器人编队或者是集群控制，说到底，虽然都是多智能体的控制，唯一有区别的在于空间或者平面，但随之带来的问题却衍生出不同的方向。在此稍微叙述下关于无人机的群体编队方面的。
张巧龙·2020-06-22 17:37

[论文翻译]Actor-Attention-Critic for Multi-Agent Reinforcement Learning

论文翻译仅供参考，想了解细节还是建议阅读原文论文链接：Actor-Attention-CriticforMulti-AgentReinforcementLearning引入注意力机制的Actor-Critic多智能体强化学习算法摘要
Katniss-丫·2020-06-21 23:41

CVPR 2020 | 利用强化学习进行交互式3D医学图像分割

上海交大和华师大的研究者提出了一种基于多智能体深度强化学习的新型算法。现有的交互式图像分割算法虽然能迭代式地更新分割结果，但很大程度上忽略了对连续交互之间动态性的探索，造成分割效率大大降低。
视学算法·2020-06-04 11:00

物美价廉的健身装备推荐，亲测好用！

体重秤现在有很多智能体重秤，都可以检测体脂比，新陈代谢率等等，强烈建议每天早上便后称重，这样可以每天看到自己的体重或者体脂比有进步，给自己运动更大的动力。
曲线健身·2020-04-13 04:24

机器人在线“偷懒”怎么办？阿里研究出了这两套算法

由于在工业界的广泛应用与进一步智能化生产的思考，机器人集群调度成为了多智能体系统（Multi-agentSystem）学术研究中的一个新兴研究方向，其核心问题是如何调度机器
阿里技术·2020-04-10 02:12

善于单挑却难以协作，构建多智能体AI系统为何如此之难？

要想实现通用智能，AI智能体必须学习如何在共享环境中与「他人」进行互动：这就是多智能体强化学习面临的挑战。本文将通过地图寻宝问题为例，向你简要介绍多智能体系统实施时的困难程度及其原因。
AI科技Fun·2020-03-26 05:49

探秘多智能体强化学习-MADDPG算法原理及简单实现

本文，就带你简单了解一下Open-AI的MADDPG(Multi-AgentDeepDeterministicPolicyGradient)算法，来共同体验一下多智能体强化学习的魅力。
文哥的学习日记·2020-02-07 08:19

【书籍干货】多智能体系统与分布式人工智能简介

多智能体系统是一个将博弈论、分散控制等经典领域与计算机科学、机器学习等现代领域相融合的扩展领域。这本专著提供了一个简要介绍的主题，涵盖了理论基础，
小小何先生·2020-02-04 15:52

机器博弈 (二) 遗憾最小化算法

博弈论与计算机科学的交叉领域非常多，有以下几个方面：理论计算机科学：算法博弈论人工智能：多智能体系统、AI游戏、人机交互、机器学习、广告推荐等。互联网：互联网经济、共享经济。分布式系统：区块链。  
小小何先生·2020-02-04 15:06

2018-04-20 AI的新阶段

当时我们正在申请一个AI方面的项目，在调研最新研究成果时，看到了他们团队的BicNet做多智能体协同的文章，在申请方案中还借鉴到了他们的工作。当时他还在阿里的认知实验室做负责人。
我们俩_1102_0513·2020-01-06 22:48

生成式艺术和算法创作12-MAS 多智能体系统

生成式艺术和算法创作01-概述生成式艺术和算法创作02-随机和噪声生成式艺术和算法创作03-混沌和分形生成式艺术和算法创作04-规则系统生成式艺术和算法创作05-Tessellation生成式艺术和算法创作06-形状语法生成式艺术和算法创作07-向自然致敬的L-system生成式艺术和算法创作08-马尔可夫模型生成式艺术和算法创作09-人工智能体生成式艺术和算法创作10-响应式智能体和智能架构生成
Kidult·2020-01-02 06:23

Arxiv网络科学论文摘要12篇(2019-08-09)

选举干扰的非合作动态;研究领导流决定因素和研究合作网络中的邻近关系;单纯复形的中心性度量：拓扑数据分析在网络科学中的应用;用户在双面互联网平台上的流量定性研究;强化学习演化博弈中集体行为的振荡演化;优化记忆揭示了多智能体竞争的生存策略
ComplexLY·2019-12-28 00:02

网络攻击意图识别

意图识别的研究最早应用于对自然语言理解、故事理解、语音翻译等，随后逐渐应用到多智能体监测与协作、动态交通监控、冒险游戏、网络入侵检测、机器人、军事等。经过三十多年的发展，出现了很多模型和
32f0af3fa70c·2019-12-25 06:46

多智能体系统（MAS）简介

1.背景  自然界中大量个体聚集时往往能够形成协调、有序，甚至令人感到震撼的运动场景，比如天空中集体翱翔的庞大的鸟群、海洋中成群游动的鱼群，陆地上合作捕猎的狼群。这些群体现象所表现出的分布、协调、自组织、稳定、智能涌现等特点，引起了生物学家的研究兴趣。而后为了满足工程需要，美国麻省理工学院的Minsky提出了智能体(agent)的概念，并且把生物界个体社会行为的概念引入到计算机学科领域。这时，生物
scyf340·2019-09-27 21:17

OpenAI Five：人工智能进化的新方向

（声明：此文已发表于《爱上机器人》2019年5月刊，转载请联系作者）近年来，多智能体强化学习成为了人工智能的热门研究方向。不同于围棋和星际争霸这类单智能体任务。
浅唱丶·2019-08-01 10:47

一文详解ICLR 2019微软亚洲研究院6篇入选论文

来自微软亚洲研究院的6篇论文入选了本届ICLR，内容涵盖多智能体的
微软研究院AI头条·2019-05-07 19:13

多智能体系统编队算法仿真--python3实现

初始条件：智能体位置随机生成所有智能体位置全局可知目标多边形位置给定所有个体运行相同算法，根据环境来决定自己动作。目标：形成均匀多边形分布，所谓的‘均匀’效果如下图：即是多边形上间距相等问题拆分：抵达均匀多边形均匀化分布1.抵达均匀多边形：'''code='utf-8''''''author=peng'''importcopyimportnumpyasnpimportmatplotlib.pypl
rand_in·2019-05-05 20:08

Win10 VizDoom强化学习平台搭建——基于Zoom的多智能体AI平台

VizDoom是一种基于Zoom的AI平台，支持多智能体和竞争环境下测试智能体。
azeyeazeye·2019-03-30 17:27

《城市道路交通信号自适应控制方法研究综述》 - 杨文臣

【2】之后以智能体、神经网络、模糊逻辑、群体智能为代表的人工智能理论与方法逐渐成熟，将每一个交叉口看作是具有智能计算能力的智能体（Agent），并采用多智能体系统（MAS）协调优化来实现区域交通控制。
EmilyGnn·2019-01-11 16:00

伯克利开源工具库RLib现已支持大规模多智能体强化学习

u003cp\u003e\u003cstrong\u003eAI前线导读\u003c/strong\u003e：近日，UC伯克利的研究团队RISELab在其Github的项目RayRlib0.6.0中添加了面向多智能体强化学习
昵称4·2018-12-06 04:14

Arxiv网络科学论文摘要17篇(2018-11-20)

语言使用还是社交连接;用于推荐的动态图中的链路预测;多智能体强化学习中语言学习惯的涌现;深入了解匿名：对Quora问题的大规模分析;再现科学家的流动性：数据驱动的模型;用于实际系统的基于拓扑和优化的通用网络恢复
ComplexLY·2018-11-20 15:09

读书笔记 - Multi-agent Reinforcement Learning for Traffic Signal Control

Multi-agentReinforcementLearningforTrafficSignalControl》在本文中，我们将trafficsignalcontrol(TSC)问题制定为折扣成本马尔可夫决策过程（MDP）并应用多智能体强化学习
EmilyGnn·2018-10-12 16:02

基于强化学习的服务链映射算法

2018年1月《通信学报》魏亮，黄韬，张娇，王泽南，刘江，刘韵洁摘要提出基于人工智能技术的多智能体服务链资源调度架构，设计一种基于强化学习的服务链映射算法。
陳浴巾·2018-09-25 01:00

AI3.0：哈希图来了！它将如何变革AI与区块链技术？

区块链将给予多智能体AI认知进化的方式，而基于哈希图（Hashgraph）技术的没有服务器的分布式平台，将成为区块链行业的规则制定者。
52AI人工智能·2017-12-11 00:00

AI3.0：「哈希图」来了！它将如何变革区块链和人工智能技术？

在2003年，我建立了一个名为GridAgents™的软件平台，该平台基于多智能体技术，允许节点（机器、设备或其他相关事物）利用软
雷克世界·2017-12-03 00:00

面向星际争霸：DeepMind 提出多智能体强化学习新方法

近日，DeepMind发表论文，提出了多智能体强化学习方法，有望为星际争霸等游戏的AI技术的开发提供帮助。该论文也将出现在12月美国长滩举行的NIPS2017大会上。
机器之心V·2017-11-05 06:07

5.4 优化算法与利益最大化

我研究生的研究论文为多智能体差分进化算法。智能体是模拟人类智能，它能感知周围的环境，对环境做出反应，也能影响周围的环境。而多个智能体集合在一起用来模拟人类社会的智能。模拟人类智能，多智能
可以量化的管理学·2017-08-24 16:37

MZ test17# NOIP模拟题 #T3 第3 题 登山机器人(robot.pas/cpp)

第3题 登山机器人(robot.pas/cpp) 【问题描述】登山机器人是一个极富挑战性的高技术密集型科学研究项目，它为研究发展多智能体系统和多机器人之间的合作与对抗提供了生动的研究模型。
qq_33583069·2016-05-17 17:00

南邮 OJ 1275 登山机器人问题

) : 1000MS/ 3000MS       运行内存限制:65536KByte总提交:116      测试通过:21 比赛描述登山机器人是一个极富挑战性的高技术密集型科学研究项目，它为研究发展多智能体系统和多机器人之间的合作与对抗提供了生动的研究模型
changshu1·2015-08-05 14:00

安波_多智能体系统研究进展与挑战

安波_多智能体系统研究进展与挑战多智能体系统（Multi-agentSystems）由分布式人工智能演变而来，其研究目的在于解决大规模、复杂、实时和有不确定信息的现实问题。
李航421·2014-12-01 09:00

多智能体合作求解与网络信息传播研究

多智能体合作求解与网络信息传播研究本报告回顾了Agent理论、技术以及多Agent合作求解机制的起源、发展和近期的主要研究热点，讨论了联盟、协商、拍卖等合作求解形式，分析了其定义、主要研究内容、国内外研究现状
李航421·2014-11-26 16:00
上一页 3 4 5 6 7 8 9 10 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他