Concept
Système multi-agents
Séances de cours associées (32)
Systèmes multiagents distribués : coordination et apprentissage
Explore la coordination et l'apprentissage dans des systèmes multiagents distribués, couvrant les lois sociales, l'échange de tâches, la satisfaction des contraintes et les algorithmes de coordination.
Agents intelligents : caractéristiques et applications
Couvre les caractéristiques, les applications et les défis des agents intelligents dans les systèmes logiciels, en mettant l'accent sur leur rôle dans la prise de décisions autonomes et la coordination avec d'autres agents.
Systèmes multiagents : planification et coordination
Explore l'utilisation de systèmes multi-agents pour la planification, la coordination et l'attribution de tâches entre des agents hétérogènes.
Introduction à la théorie des jeux
Couvre les fondamentaux de la théorie des jeux, l'équilibre de Nash et les interactions stratégiques dans les systèmes multi-agents.
Agents intelligents : prendre des décisions et planifier
Couvre les agents intelligents, la prise de décision, la planification, l'apprentissage automatique et la théorie des jeux.
Agents d'apprentissage profond : Renforcement de l'apprentissage
Explore les agents d'apprentissage profond dans l'apprentissage du renforcement, en mettant l'accent sur les approximations du réseau neuronal et les défis dans la formation des systèmes multiactifs.
Applications des agents : UAV autonomes et interactions MAS
Explore les applications des agents autonomes dans les drones, la gestion du trafic aérien et la logistique, en se concentrant sur les interactions MAS et les réseaux de transport adaptatifs.
Renforcement de l'apprentissage pour Pacman
Explore l'application de l'apprentissage de renforcement pour enseigner à Pacman à jouer de façon autonome en utilisant les méthodes de gradient de politique et les processus de décision Markov.
Plates-formes d'agents: Types, intelligence et communication
Explore les plates-formes d'agents, l'intelligence et les modèles de communication dans les systèmes multiagents.
Agents d'apprentissage: Tradeoff Exploration-Exploitation
Explore le compromis exploration-exploitation dans l'apprentissage des effets inconnus des actions en utilisant des bandits multi-armés et Q-learning.