دانلود کتاب A Concise Introduction to Multiagent Systems and Distributed Artificial Intelligence

ترجمه فارسی توضیحات (ترجمه ماشینی)

مقدمه ای مختصر بر سیستم های چند عاملی و هوش مصنوعی توزیع شده

سیستم‌های چند عاملی حوزه‌ای در حال گسترش است که زمینه‌های کلاسیک مانند نظریه بازی و کنترل غیرمتمرکز را با زمینه‌های مدرن مانند علوم کامپیوتر و یادگیری ماشین ترکیب می‌کند. این تک نگاری مقدمه ای مختصر بر موضوع ارائه می کند و مبانی نظری و همچنین تحولات اخیر را به شیوه ای منسجم و خواندنی پوشش می دهد. متن بر مفهوم یک عامل به عنوان تصمیم گیرنده متمرکز است. فصل 1 مقدمه ای کوتاه بر حوزه سیستم های چند عاملی است. فصل 2 نظریه اساسی تصمیم گیری تک عاملی را تحت عدم قطعیت پوشش می دهد. فصل 3 مقدمه ای کوتاه بر نظریه بازی ها است و مفاهیم کلاسیک مانند تعادل نش را توضیح می دهد. فصل 4 به مشکل اساسی هماهنگی تیمی از عوامل مشارکتی می پردازد. فصل 5 مسئله استدلال و تصمیم گیری چند عاملی را تحت مشاهدات جزئی مطالعه می کند. فصل 6 بر طراحی پروتکل هایی متمرکز است که در برابر دستکاری های عوامل منفعت طلب پایدار هستند. فصل 7 مقدمه ای کوتاه بر حوزه به سرعت در حال گسترش یادگیری تقویتی چند عاملی ارائه می دهد. این مطالب را می توان برای تدریس یک دوره نیم ترم در مورد سیستم های چند عاملی که تقریباً یک فصل در هر سخنرانی را پوشش می دهد استفاده کرد.

A Concise Introduction to Multiagent Systems and Distributed Artificial Intelligence

Multiagent systems is an expanding field that blends classical fields like game theory and decentralized control with modern fields like computer science and machine learning. This monograph provides a concise introduction to the subject, covering the theoretical foundations as well as more recent developments in a coherent and readable manner. The text is centered on the concept of an agent as decision maker. Chapter 1 is a short introduction to the field of multiagent systems. Chapter 2 covers the basic theory of singleagent decision making under uncertainty. Chapter 3 is a brief introduction to game theory, explaining classical concepts like Nash equilibrium. Chapter 4 deals with the fundamental problem of coordinating a team of collaborative agents. Chapter 5 studies the problem of multiagent reasoning and decision making under partial observability. Chapter 6 focuses on the design of protocols that are stable against manipulations by self-interested agents. Chapter 7 provides a short introduction to the rapidly expanding field of multiagent reinforcement learning. The material can be used for teaching a half-semester course on multiagent systems covering, roughly, one chapter per lecture.