انجمن کامپیوتر ایران

یادگیری مبتنی بر مورد و سیستم‎های چند عامله دو مبحث متفاوت در حوزه هوش مصنوعی هستند. یادگیری مبتنی بر مورد یکی از الگوریتم‎های یادگیری ماشین است که برای حل مسأله جدید، از تجربه‎های گذشته و روش‎های حلی که مشابه با مسأله جاری باشد، استفاده می‎کند. اما در سیستم‎های چند عامله، تعدادی عامل با دو نوع رفتار رقابتی یا همکاری در یک محیط قرار می‎گیرند و این عامل‎ها در اثر تعامل با محیط و پاداش یا جریمه دریافتی، به مرور زمان یاد می‎گیرند که چگونه با هم رقابت یا همکاری کنند بطوریکه بیشترین سود را دریافت کنند. از آنجائیکه خود‎مختاری در عامل‎ها، یکی از شرایط سیستم‎های چند عامله است، استفاده از یادگیری مبتنی بر مورد می‎تواند نقش موثری در یادگیری و خود‎‎مختاری عامل‎ها داشته باشد.در این مقاله سعی شده است با اعمال تغییراتی در اتوماتاهای یادگیر از آنها برای آموزش عامل‎ها استفاده شود؛ همچنین عامل‎ها از پایگاه مورد مشترک استفاده می‎کنند.