Game-Theoretic Learning and Distributed Optimization in Memoryless Multi-Agent Systems / Tatarenko, Tatiana  

Público ISBD Ningún comentario para este registro. Título : Game-Theoretic Learning and Distributed Optimization in Memoryless Multi-Agent Systems Tipo de documento: documento electrónico Autores: Tatarenko, Tatiana, Autor Mención de edición: 1 ed. Editorial: [s.l.] : Springer Fecha de publicación: 2017 Número de páginas: IX, 171 p. 38 ilustraciones ISBN/ISSN/DL: 978-3-319-65479-9 Nota general: Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: teoría del sistema  Teoría del control  Teoría de juego  Informática  Estadísticas  Optimización matemática  Probabilidades  Teoría de Sistemas  Control  Aplicaciones matemáticas en informática  Estadística en Ingeniería  Física  Química y Ciencias de la Tierra  Mejoramiento  Teoría de probabilidad Índice Dewey: 3 Resumen: Este libro presenta nuevos métodos eficientes para la optimización en sistemas multiagente realistas a gran escala. Estos métodos no requieren que los agentes tengan toda la información sobre el sistema, sino que les permiten tomar decisiones locales basándose únicamente en la información local, posiblemente obtenida durante la comunicación con sus vecinos locales. El libro, dirigido principalmente a investigadores en optimización y control, considera tres entornos de información diferentes en sistemas multiagente: basados ​​en oráculos, basados ​​en comunicaciones y basados ​​en pagos. Para cada uno de estos tipos de información, se desarrolla un algoritmo de optimización eficiente, que lleva al sistema a un estado óptimo. Los problemas de optimización se plantean sin supuestos tan restrictivos como la convexidad de las funciones objetivo, las complicadas topologías de comunicación, las expresiones cerradas para costos y utilidades y la finitud del espacio de estados del sistema. . Nota de contenido: Introduction and Research Motivation -- Backgrounds and Formulation of Contributions -- Logit Dynamics in Potential Games with Memoryless Players -- Stochastic Methods in Distributed Optimization and Game-Theoretic Learning -- Conclusion -- Appendix. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i Game-Theoretic Learning and Distributed Optimization in Memoryless Multi-Agent Systems [documento electrónico] / Tatarenko, Tatiana, Autor  . -  1 ed.  . - [s.l.] : Springer, 2017 . - IX, 171 p. 38 ilustraciones. ISBN : 978-3-319-65479-9 Libro disponible en la plataforma SpringerLink. Descarga y lectura en formatos PDF, HTML y ePub. Descarga completa o por capítulos. Palabras clave: teoría del sistema  Teoría del control  Teoría de juego  Informática  Estadísticas  Optimización matemática  Probabilidades  Teoría de Sistemas  Control  Aplicaciones matemáticas en informática  Estadística en Ingeniería  Física  Química y Ciencias de la Tierra  Mejoramiento  Teoría de probabilidad Índice Dewey: 3 Resumen: Este libro presenta nuevos métodos eficientes para la optimización en sistemas multiagente realistas a gran escala. Estos métodos no requieren que los agentes tengan toda la información sobre el sistema, sino que les permiten tomar decisiones locales basándose únicamente en la información local, posiblemente obtenida durante la comunicación con sus vecinos locales. El libro, dirigido principalmente a investigadores en optimización y control, considera tres entornos de información diferentes en sistemas multiagente: basados ​​en oráculos, basados ​​en comunicaciones y basados ​​en pagos. Para cada uno de estos tipos de información, se desarrolla un algoritmo de optimización eficiente, que lleva al sistema a un estado óptimo. Los problemas de optimización se plantean sin supuestos tan restrictivos como la convexidad de las funciones objetivo, las complicadas topologías de comunicación, las expresiones cerradas para costos y utilidades y la finitud del espacio de estados del sistema. . Nota de contenido: Introduction and Research Motivation -- Backgrounds and Formulation of Contributions -- Logit Dynamics in Potential Games with Memoryless Players -- Stochastic Methods in Distributed Optimization and Game-Theoretic Learning -- Conclusion -- Appendix. En línea: https://link-springer-com.biblioproxy.umanizales.edu.co/referencework/10.1007/97 [...] Link: https://biblioteca.umanizales.edu.co/ils/opac_css/index.php?lvl=notice_display&i

---

1 (1 - 1 / 1) Par page : 25 50 100 200