Estratégias de Atualização de Políticas para a Coordenação de Agentes Baseados em Enxames

Resumo. Neste artigo é analisada a influência dos parâmetros de aprendizagem de algoritmos baseados em enxames e propostas estratégias para a atualização de políticas em ambientes dinâmicos. Nós verificamos que os parâmetros de aprendizagem quando ajustados inadequadamente podem ocasionar atrasos no processo de aprendizagem ou convergir para uma política não-satisfatória. Além disso, esse problema é agravado em ambientes dinâmicos, pois o ajuste dos parâmetros de algoritmos que utilizam recompensas não é suficiente para garantir uma boa convergência. Para tal problema, nós desenvolvemos estratégias de atualização de políticas que modificam os valores das recompensas, melhorando a coordenação dos agentes que atuam em ambientes dinâmicos. Para isso, foi desenvolvido um framework capaz de demonstrar de maneira iterativa a influência dos parâmetros e das estratégias de atualizações. Resultados experimentais mostram que é possível acelerar a convergência para uma política global consistente, superando os resultados de abordagens clássicas de algoritmos baseados em enxames.