بكارگيري بازي اقليت و يادگيري مبتني بر مورد در تخصيص منابع سيستم هاي چند عامله

بازي اقليت، از حوزه مسائل نظريه بازي - ها است كه در سيستم هاي چند عامله بكار مي رود، در اين بازي تعداد فردي عامل با هم رقابت كرده و دسته اي برنده و دسته اي بازنده مي شوند. اين عامل ها در اثر تعامل با محيط به مرور زمان ياد مي گيرند كه چگونه با هم رقابت يا همكاري كنند به طوريكه بيشترين سود را دريافت كنند. يادگيري مبتني بر مورد و سيستم هاي چند عامله دو مبحث متفاوت در حوزه هوش مصنوعي هستند. يادگيري مبتني بر مورد يكي از الگوريتم هاي يادگيري ماشين است كه براي حل مسأله جديد، از تجربه هاي گذشته و روش هاي حلي كه مشابه با مسأله جاري باشد، استفاده مي كند. از آنجائيكه خود مختاري عامل ها، يكي از شرايط سيستم هاي چند عامله است، استفاده از استنتاج مبتني بر مورد مي تواند نقش موثري در يادگيري و خود مختاري عامل ها داشته باشد. در اين مقاله الگوريتم MG-ICBR-LA معرفي شده است. با استفاده از اين الگوريتم در تخصيص منابع سيستمهاي ناهمگن، خاصيت رقابتي اعمال شد. نتايج شبيهسازي نشان دادند كه هزينه تخصيص منابع در روش پيشنهادي كاهش يافته است