An approach to online optimization of heuristic coordination algorithms
Conference proceedings article
ผู้เขียน/บรรณาธิการ
กลุ่มสาขาการวิจัยเชิงกลยุทธ์
ไม่พบข้อมูลที่เกี่ยวข้อง
รายละเอียดสำหรับงานพิมพ์
รายชื่อผู้แต่ง: Polvichai J., Scerri P., Lewis M.
ผู้เผยแพร่: International Foundation for Autonomous Agents and Multiagent Systems (IFAAMAS)
ปีที่เผยแพร่ (ค.ศ.): 2008
Volume number: 2
หน้าแรก: 614
หน้าสุดท้าย: 621
จำนวนหน้า: 8
ISBN: 9781605604701
นอก: 1548-8403
eISSN: 1548-8403
ภาษา: English-Great Britain (EN-GB)
บทคัดย่อ
Due to computational intractability, large scale coordination algorithms are necessarily heuristic and hence require tuning for particular environments. In domains where characteristics of the environment vary dramatically from scenario to scenario, it is desirable to have automated techniques for appropriately configuring the coordination. This paper presents an approach that takes performance data from a simulator to train a stochastic neural network that concisely models the complex, probabilistic relationship between configurations, environments and performance metrics. The stochastic neural network is used as the core of a tool that allows rapid online or offline configuration of coordination algorithms to particular scenarios and user preferences. The overall system allows rapid adaptation of coordination, leading to better performance in new scenarios. Copyright ฉ 2008, International Foundation for Autonomous Agents and Multi-agent Systems (www.ifaamas.org). All rights reserved.
คำสำคัญ
Complex system modeling, Large scale coordination algorithms
ติดต่อสอบถามเพิ่มเติมได้ที่