Cooperación emergente mediante aprendizaje profundo por refuerzo

Este trabajo presenta el diseño de un sistema cognitivo multi-agente compuesto por redes neuronales y sintonizado mediante aprendizaje profundo por refuerzo. El sistema se aplica a un dilema social, un problema cuya solución óptima requiere que los agentes coordinen sus acciones para maximizar una función de desempeño macroscópico, a pesar de los objetivos individuales divergentes de cada agente. Los agentes son egoístas, es decir, su objetivo es maximizar su rendimiento individual sin tener en cuenta el rendimiento global del sistema. Sin embargo, al insertar un objetivo auxiliar de maximización de la información mutua entre agentes, la cooperación, medida por un nuevo índice propuesto, emerge entre ellos. Al comparar el sistema propuesto con un sistema sin el objetivo auxiliar, concluimos que la maximización de la información mutua entre los agentes promueve la emergencia de cooperación en dilemas sociales.

• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2019
• Institución: Universidad Distrital Francisco José de Caldas
• Repositorio: RIUD: repositorio U. Distrital
• Idioma: spa
• OAI Identifier: oai:repository.udistrital.edu.co:11349/23158
• Acceso en línea: http://hdl.handle.net/11349/23158
• Palabra clave: Sistemas multi-agente; Cooperación; Aprendizaje profundo; Información mutua; Inteligencia artificial; Dilema social; Ingeniería Electrónica - Tesis y disertaciones académicas; Sistemas multiagente; Redes neurales (Informática); Algoritmos; Multi-agent systems; Cooperation; Deep Learning; Mutual information; Artificial intelligence; Social dilemma
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional