در شبکه برق هوشمند عامل های تولیدکننده خواهان تشکیل ائتلاف برای رسیدن به سود بیش تر هستند. اما عامل های تولیدکننده نسبت به توانایی هم برای تولید انرژی دانش کاملی ندارند و سعی دارند با تکرار روند تشکیل ائتلاف دانش جزئی خود را کامل کنند و برای این هدف از روش یادگیری تقویتی بیزین استفاده می کنند تا دانش خود را به درستی به روز رسانی کنند و به سود بیشتری در نهایت دست پیدا کنند.