矿工不安全行为的网络传播性分析

煤矿日常生产中存在大量矿工不安全行为,矿工不安全行为一旦产生,在合适的条件下就有可能被其他矿工学习和模仿,并在特定的社会网络中传播。另外,在适当的条件下,不安全行为还会在传播过程中进行叠加,从而增加了其诱发煤矿事故的概率,导致矿工不安全行为的多发性、重复性及难预防性。构建了矿工行为状态空间模型,设定了矿工不同行为状态转换条件,并在此基础上对矿工不安全行为传播条件进行综合,指出行为的成本收益、行为的可学习和模仿价值及社会接触是影响矿工不安全行为传播性的主要条件,研究成果为干预矿工不安全行为提供了新的理论和方法支持。

多agent协同强化学习算法SE-MACOL及其应用

针对多agent团队中各成员之间是协作关系且自主决策的学习模型,在此对Q学习算法进行了适当扩充,提出了适合于多agent团队的一种共享经验元组的多agent协同强化学习算法。其中采用新的状态行为的知识表示方法,采用相似性变换和经验元组的共享,能够提高多agent团队协同工作的效率。最后将该算法应用于猎人捕物问题域,实验结果表明该算法能够明显加快多个猎人合作抓捕猎物的进程。

基于主智能体的群体学习算法GLBMA

以机器人足球比赛(RoboCup)为背景,基于主智能体和辅助智能体概念,提出了基于主智能体群体强化学习算法(GLBMA),该算法通过主智能体和辅智能体的角色切换来实现整个团队的学习,改进了传统的群体强化学习算法。RoboCup仿真比赛试验表明,传统群体强化学习算法中的行为学习状态空间过大,连续状态空间的行为选择及多智能体合作求解等问题得到了解决.

一种共享经验元组的多agent协同强化学习算法

Q学习算法是一种最受欢迎的模型无关强化学习算法。本文通过对Q学习算法进行合适的扩充,提出了一种适合于多agent协作团队的共享经验元组的多agent协同强化学习算法,其中采用一种新的状态行为的知识表示方法使得状态行为空间得到缩减,采用相似性变换和经验元组的共享使得学习的效率得到提高。最后将该算法应用于猎人捕物问题域。实验结果表明该算法能够加快多个猎人合作抓捕猎物的进程,有利于协作任务的成功执行,并能提高多agent协作团队的协作效率,因此该算法是有效的。