Tuyls / 't Hoen / Verbeeck | Learning and Adaption in Multi-Agent Systems | Buch | 978-3-540-33053-0 | sack.de

Buch, Englisch, 217 Seiten, Format (B × H): 155 mm x 235 mm, Gewicht: 730 g

Reihe: Lecture Notes in Computer Science

Tuyls / 't Hoen / Verbeeck

Learning and Adaption in Multi-Agent Systems

First International Workshop, LAMAS 2005, Utrecht, The Netherlands, July 25, 2005, Revised Selected Papers
2006
ISBN: 978-3-540-33053-0
Verlag: Springer

First International Workshop, LAMAS 2005, Utrecht, The Netherlands, July 25, 2005, Revised Selected Papers

Buch, Englisch, 217 Seiten, Format (B × H): 155 mm x 235 mm, Gewicht: 730 g

Reihe: Lecture Notes in Computer Science

ISBN: 978-3-540-33053-0
Verlag: Springer


This book constitutes the thoroughly refereed post-proceedings of the First International Workshop on Learning and Adaption in Multi-Agent Systems, LAMAS 2005, held in The Netherlands, in July 2005, as an associated event of AAMAS 2005. The 13 revised papers presented together with two invited talks were carefully reviewed and selected from the lectures given at the workshop.

Tuyls / 't Hoen / Verbeeck Learning and Adaption in Multi-Agent Systems jetzt bestellen!

Zielgruppe


Research

Weitere Infos & Material


An Overview of Cooperative and Competitive Multiagent Learning.- Multi-robot Learning for Continuous Area Sweeping.- Learning Automata as a Basis for Multi Agent Reinforcement Learning.- Learning Pareto-optimal Solutions in 2x2 Conflict Games.- Unifying Convergence and No-Regret in Multiagent Learning.- Implicit Coordination in a Network of Social Drivers: The Role of Information in a Commuting Scenario.- Multiagent Traffic Management: Opportunities for Multiagent Learning.- Dealing with Errors in a Cooperative Multi-agent Learning System.- The Success and Failure of Tag-Mediated Evolution of Cooperation.- An Adaptive Approach for the Exploration-Exploitation Dilemma and Its Application to Economic Systems.- Efficient Reward Functions for Adaptive Multi-rover Systems.- Multi-agent Relational Reinforcement Learning.- Multi-type ACO for Light Path Protection.



Ihre Fragen, Wünsche oder Anmerkungen
Vorname*
Nachname*
Ihre E-Mail-Adresse*
Kundennr.
Ihre Nachricht*
Lediglich mit * gekennzeichnete Felder sind Pflichtfelder.
Wenn Sie die im Kontaktformular eingegebenen Daten durch Klick auf den nachfolgenden Button übersenden, erklären Sie sich damit einverstanden, dass wir Ihr Angaben für die Beantwortung Ihrer Anfrage verwenden. Selbstverständlich werden Ihre Daten vertraulich behandelt und nicht an Dritte weitergegeben. Sie können der Verwendung Ihrer Daten jederzeit widersprechen. Das Datenhandling bei Sack Fachmedien erklären wir Ihnen in unserer Datenschutzerklärung.