通过强化学习优化蜂群智能体的集体场趋性
生物物理
2017-09-08 v1 统计力学
摘要
动物群体的蜂群行为令从生物学到物理学再到工程学领域的科学家着迷。复杂的蜂群模式常源于个体间的简单相互作用，并有益于集体整体。然而，蜂群的存在与成功非平凡地依赖于支配相互作用的微观参数。此处我们展示一种机器学习技术可用于调谐这些底层参数并优化由此产生的性能。作为一个具体例子，我们采用一个受黄金银汉鱼（golden shiners）鱼群启发的活性物质模型，其集体进行趋光性（phototaxis）。优化趋光性能力的问题随后被映射为在连续臂赌博机博弈中最大化收益的问题。后者问题接受一种简单的强化学习算法，其可调谐模型的连续参数。该结果表明了机器学习方法在集群机器人应用中的效用。
引用
@article{arxiv.1709.02379,
title = {Optimizing collective fieldtaxis of swarming agents through reinforcement learning},
author = {Glenn Palmer and Sho Yaida},
journal= {arXiv preprint arXiv:1709.02379},
year = {2017}
}
备注
6 pages, 3 figures