Multi agent reinforcement learning using function approximation

---

Tezin Türü: Yüksek Lisans

Tezin Yürütüldüğü Kurum: Orta Doğu Teknik Üniversitesi, Mühendislik Fakültesi, Bilgisayar Mühendisliği Bölümü, Türkiye

Tezin Onay Tarihi: 1999

Tezin Dili: İngilizce

Öğrenci: OSMAN ABUL

Danışman: FARUK POLAT

Özet:

oz FONKSİYON YAKLAŞIMI KULLANARAK ÇOKLU-ETMEN TAKVİYE ÖĞRENME Abul, Osman Yüksek Lisans, Bilgisayar Mühendisliği Bölümü Tez Yöneticisi: Doç. Dr. Faruk Polat Ağustos 1999, 67 sayfa Düşmanca unsurların bulunduğu bir ortamda öğrenme ve çevreye uyum önem kazanmaktadır. Eğer etmenler yaşadıkları çevrenin dinamikleri hakkında çok az bilgiye sahipseler takviye öğrenme tekniklerini kullanabilirler. Bu tezde düşmanca bir ortam olan AFCW'de takviye öğrenme teknikleri üzerinde çalışılmıştır. AFCW'de yaşayan etmenler yaşamak için öğrenmek zorundadır. Bunun yanında çoklu-etmen AFCW'de etmenler yaşamayı daha kolay hale getirmek için koordinasyona ihtiyaç duyarlar. Etmenler arasında açık iletişim gerektirmeyen iki tane koordinasyon yöntemi sunulmuştur. AFCW, çok büyük durum uzayına sahiptir, dolayısıyla öğrenilen bilginin saklandığı geleneksel bakma tabloları yetersiz kalmaktadır. Büyük ölçüler için fonksiyon yaklaşımı ve genelleme metodları kullanılmıştır. Çok sayıda fonksiyon yaklaşımı mimarisi ve takviye öğrenme algoritması ile deney yapılmıştır. Hem tek-etmen hem de çoklu-etmen AFCW için deney sonuçları sunulmuştur. Anahtar Sözcükler: Takviye Öğrenme, AFCW, Çoklu-Etmen Öğrenme, Koordinasyon, Fonksiyon Yaklaşımı iv