Collaborative Learning with Logic-Based Models
The result's identifiers
Result code in IS VaVaI
<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21230%2F07%3A03131228" target="_blank" >RIV/68407700:21230/07:03131228 - isvavai.cz</a>
Result on the web
—
DOI - Digital Object Identifier
—
Alternative languages
Result language
angličtina
Original language name
Collaborative Learning with Logic-Based Models
Original language description
Adaptivity is a fundamental property of any intelligent system. In this paper, we present how adaptivity in multi-agent systems can be implemented by means of collaborative logic-based learning. The proposed method uses inductive logic programming to generalize agents' observations into sets of rules and inter-agent communication of acquired knowledge to improve team adaptation process. Based on Horn logic, the method is interoperable with semantic web languages and techniques. It has been implemented as a modular software component that can be readily integrated into the control loop of an intelligent agent or an autonomic component. We have evaluated the method on a realistic logistic scenario, in which teams of trading agents learn the properties ofthe environment in order to optimize their operation.
Czech name
Skupinové učení s logickými reprezentacemi
Czech description
Článek navrhuje a popisuje metodu pro skupinové učení v multi-agentních systémech. Metoda je založena na logických reprezentacích a staví na dvou hlavních komponentách: (1) skupině učebních operací vycházejících z induktivního logického programování (ILP) a (2) souboru komunikačních strategií pro sdílení získané znalosti. Na základě těchto dvou komponent je navrženo několik skupinových učících algoritmů lišících se kvalitou učení, výpočetními a komunikačními nároky a práci s privátní znalostí jednotlivých agentů. Navržená metoda byla implementována jako softwarový modul, jenž může být integrován do řídící smyčky agenta. Metoda byla experimentálně ověřena a vyhodnocena na simulovaném logistickém scénaři, ve kterém se týmy obchodujících agentů učí vlastností prostředí a tím optimalizují svou činnost.
Classification
Type
D - Article in proceedings
CEP classification
JC - Computer hardware and software
OECD FORD branch
—
Result continuities
Project
—
Continuities
Z - Vyzkumny zamer (s odkazem do CEZ)
Others
Publication year
2007
Confidentiality
S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů
Data specific for result type
Article name in the collection
Adaptive and Learning Agents and Multi-Agent Systems 2007
ISBN
—
ISSN
0922-8721
e-ISSN
—
Number of pages
15
Pages from-to
89-103
Publisher name
Océ Business Services
Place of publication
's-Hertogenbosch
Event location
Maastricht
Event date
Apr 2, 2007
Type of event by nationality
WRD - Celosvětová akce
UT code for WoS article
—