بهروز معصومی - دانشکده مهندسی کامپیوتر وفناوری اطلاعات دانشگاه آزاد قزوین
محمدرضا میبدی - دانشکده مهندسی کامپیوتر و فناوری اطلاعات دانشگاه صنعتی امیرکبیر تهر

تابحال برای مدلسازی سیستم های چند عامله مدلهای مختلفی مبتنی بر مدل مارکوف پیشنهاد شدها ست که از جمله آنها مدل بازیهای مارکوفی را می توان نام برد دراین مقاله روشی جدیدبا استفاده از مفهوم انتروپی در سیستمهای چند عامله مبتنی بر اتوماتاهای یادگیر با هدف بهبود کارایی ارائه شدها ست. سیستم چند عامله مورد نظر برای پیدا کردن خط مشی بهینه بازی های مارکوف مورد استفاده قرار میگیرد. درالگوریتم پیشنهادی در هر حالت از محیط به ازای هر عامل بازی یک اتوماتای یادگیرقرار داده می شود تا بتوانند عاملهای محیط را کنترل نمایند تعداد اعمال هر اتوماتای یادگیر با توجه به حالتهای مجاور با آن تعیین می گردد و ترکیب اعمال اتوماتای یادگیر هر حالت از محیط حالت بعدی را تعیین میکند درالگوریت مطرح شده اعمال انتخابی اتوماتاهای درون مسیر با توجه به هزینه مسیر طی شده و انتروپی به دست آمده از بردارهای احتمالات اعمال اتوماتای یادگیر هر حالت پاداش یا جریمه می گیرند.

سیستمهای چند عامله، اتوماتای یادگیر، بازیهای مارکوف