4、多智能体系统算法与JADE框架组织角色编程

多智能体系统算法与JADE框架组织角色编程

随机零和博弈与随机博弈分析

在多智能体系统的博弈场景中，随机零和博弈是一个重要的研究方向。对于随机零和博弈，涉及到多种算法，如Q、PHC、WoLF、MinimaxQ、FriendQ和JAL等。
- Q、PHC、WoLF ：分析结果时需要考虑收益符号分布的所有16种情况。在7种情况下，当OP - Q选择其策略时，无论对手如何选择，双方收益均为正。但由于OP - Q的收益意味着对手的损失，对手会试图最小化OP - Q的奖励。在大多数情况（9/16）的最坏情况下，OP - Q会得到负奖励，因此平均奖励是一个较小的负数。
- MinimaxQ ：采用混合策略，其平均奖励约为零。
- FriendQ ：FriendQ的损失等于OP - Q的获胜。FriendQ会选择具有最小可能值D的策略。仅考虑24种收益排序情况以及OP - Q在此情况下将采取的策略，可计算出OP - Q在56%的情况下平均奖励为正，所以总体上OP - Q的平均奖励为正。
- JAL ：其结果可与Q、PHC、WoLF以相同方式解释，但机制不同。

在随机博弈方面，图5展示了OP - Q、Q、FriendQ、JAL、PHC和WoLF之间竞赛的平均收益，结果是在1000场游戏（每场10000次迭代）中取平均值。

算法	平均奖励情况