এআই গ্লসারি
কৃত্রিম বুদ্ধিমত্তার সম্পূর্ণ অভিধান
মাল্টি-এজেন্ট স্টোকাস্টিক এক্সপ্লোরেশন
একটি এক্সপ্লোরেশন কৌশল যেখানে প্রতিটি এজেন্ট অন্যান্য এজেন্ট দ্বারা প্রবর্তিত অনিশ্চয়তা বিবেচনা করে পরিবেশ আবিষ্কারের জন্য সম্ভাব্যতা-ভিত্তিক নীতি ব্যবহার করে। এই পদ্ধতিটি গতিশীল সিস্টেমে ব্যক্তিগত এক্সপ্লোরেশন এবং সম্মিলিত সমন্বয়ের মধ্যে ভারসাম্য বজায় রাখতে সক্ষম করে।
মাল্টি-এজেন্ট এক্সপ্লোরেশন-এক্সপ্লয়টেশন ভারসাম্য
মাল্টি-এজেন্ট রিইনফোর্সমেন্ট লার্নিং-এ মৌলিক দ্বিধা যেখানে এজেন্টদের অবশ্যই নতুন কৌশল আবিষ্কার এবং অর্জিত জ্ঞান ব্যবহারের মধ্যে সিদ্ধান্ত নিতে হয়, একই সাথে আন্তঃ-এজেন্ট মিথস্ক্রিয়া বিবেচনা করে। সিস্টেমে এজেন্টের সংখ্যা বৃদ্ধির সাথে জটিলতা সূচকীয়ভাবে বৃদ্ধি পায়।
মাল্টি-এজেন্ট কৌতূহল-ভিত্তিক এক্সপ্লোরেশন
অন্তর্নিহিত এক্সপ্লোরেশন প্রক্রিয়া যেখানে প্রতিটি এজেন্ট জটিল অবস্থা আবিষ্কারের জন্য অন্যান্য এজেন্টের কৌতূহলের সাথে ইন্টারঅ্যাক্ট করার সময় তার নিজস্ব কৌতূহল দ্বারা অনুপ্রাণিত হয়। এই পদ্ধতিটি ব্যক্তিগত অন্তর্নিহিত পুরস্কারগুলিকে সহযোগী আবিষ্কারের বোনাসের সাথে একত্রিত করে।
মাল্টি-এজেন্ট অ্যাডভারসারিয়াল এক্সপ্লোরেশন
এক্সপ্লোরেশন কৌশল যেখানে বিপরীত উদ্দেশ্য বিশিষ্ট এজেন্টরা পরিবেশ আবিষ্কারের প্রক্রিয়ায় একে অপরকে প্রভাবিত করে। এই কনফিগারেশন একটি বিবর্তনশীল এক্সপ্লোরেশন গতিশীলতা তৈরি করে যেখানে প্রতিটি এজেন্টকে তার প্রতিপক্ষের এক্সপ্লোরেশন কৌশলগুলির সাথে খাপ খাইয়ে নিতে হয়।
বিকেন্দ্রীকৃত সমন্বয়ের মাধ্যমে এক্সপ্লোরেশন
একটি পদ্ধতি যেখানে এজেন্টরা স্বায়ত্তশাসিতভাবে পরিবেশ অন্বেষণ করে একই সাথে পুনরাবৃত্তি এড়াতে এবং কভারেজ সর্বাধিক করতে অন্তর্নিহিত সমন্বয় প্রক্রিয়া বিকাশ করে। এজেন্টরা কেন্দ্রীয়করণ ছাড়াই তাদের এক্সপ্লোরেশন কৌশলগুলিকে সিঙ্ক্রোনাইজ করতে স্থানীয়ভাবে যোগাযোগ করে।
প্রাসঙ্গিক অভিযোজিত এক্সপ্লোরেশন
এক্সপ্লোরেশন পদ্ধতি যা মাল্টি-এজেন্ট পরিবেশের গ্লোবাল এবং লোকাল কনটেক্সটের উপর ভিত্তি করে এজেন্টদের কৌশলগুলিকে গতিশীলভাবে অভিযোজিত করে। এজেন্টরা অন্বেষণ করা অঞ্চলের এজেন্ট ঘনত্ব এবং জটিলতার উপর ভিত্তি করে তাদের এক্সপ্লোরেশন রেট সামঞ্জস্য করে।
সামাজিক শিক্ষার মাধ্যমে এক্সপ্লোরেশন
এক্সপ্লোরেশন প্রক্রিয়া যেখানে এজেন্টরা সিস্টেমে অন্যান্য এজেন্টের আচরণ পর্যবেক্ষণ এবং অনুকরণের মাধ্যমে কার্যকর এক্সপ্লোরেশন কৌশল শেখে। এই পদ্ধতিটি ব্যক্তিগত এক্সপ্লোরেশনকে অর্জিত জ্ঞানের সম্মিলিত ব্যবহারের সাথে একত্রিত করে।
অন্তর্নিহিত যোগাযোগের মাধ্যমে এক্সপ্লোরেশন
একটি কৌশল যেখানে এজেন্টরা তাদের অতীত এবং বর্তমান কর্মের মাধ্যমে অন্যান্য এজেন্টের অভিপ্রায় এবং এক্সপ্লোরেশন পরিকল্পনা অনুমান করে। এই পরোক্ষ যোগাযোগ স্পষ্ট তথ্য বিনিময় ছাড়াই কার্যকর সমন্বয়ের অনুমতি দেয়।
মাল্টি-এজেন্ট অনুকরণ অনুসন্ধান
একটি অনুসন্ধান কৌশল যেখানে এজেন্টরা অন্যান্য দক্ষ এজেন্ট বা প্রদর্শকদের সফল অনুসন্ধানমূলক ট্র্যাজেক্টরি অনুকরণ করে অনুসন্ধান করতে শেখে। এই পদ্ধতিটি প্রাসঙ্গিক অবস্থাগুলির আবিষ্কারকে ত্বরান্বিত করে যখন অনুসন্ধানমূলক বৈচিত্র্য বজায় রাখে।
গ্রাফ নিউরাল নেটওয়ার্ক অনুসন্ধান
একটি পদ্ধতি যা জিএনএন ব্যবহার করে এজেন্টদের মধ্যে সম্পর্ক মডেল করতে এবং ইন্টারঅ্যাকশন নেটওয়ার্কের টপোলজির উপর ভিত্তি করে সহযোগী অনুসন্ধান পরিচালনা করতে। এজেন্টরা তাদের অনুসন্ধান সিদ্ধান্তগুলি অপ্টিমাইজ করার জন্য সম্পর্কগত কাঠামো ব্যবহার করে।
মাল্টি-এজেন্ট অ্যাটেনশন অনুসন্ধান
একটি অনুসন্ধান প্রক্রিয়া যেখানে প্রতিটি এজেন্ট অন্যান্য এজেন্টদের প্রাসঙ্গিক ক্রিয়া এবং অবস্থার উপর ফোকাস করতে অ্যাটেনশন মেকানিজম ব্যবহার করে। এই পদ্ধতিটি আন্তঃ-এজেন্ট তথ্যের আপেক্ষিক গুরুত্বের উপর ভিত্তি করে নির্বাচনী অনুসন্ধানের অনুমতি দেয়।
হায়ারার্কিকাল পলিসি অনুসন্ধান
একটি মাল্টি-লেভেল অনুসন্ধান কাঠামো যেখানে মেটা-পলিসিগুলি সিস্টেমের গ্লোবাল লক্ষ্যগুলির উপর ভিত্তি করে এজেন্টদের বেসিক অনুসন্ধান কৌশলগুলিকে নির্দেশনা দেয়। এই শ্রেণিবিন্যাস বিভিন্ন সময় এবং স্থানিক স্কেলে সামঞ্জস্যপূর্ণ অনুসন্ধানের অনুমতি দেয়।
অ্যাকশন-স্পেস ডিকাপলিং অনুসন্ধান
একটি কৌশল যা মাল্টি-এজেন্ট পরিবেশে সূচকীয় জটিলতা পরিচালনা করার জন্য স্টেট স্পেসের অনুসন্ধানকে অ্যাকশন স্পেসের অনুসন্ধান থেকে আলাদা করে। এজেন্টরা স্টেট এবং অ্যাকশনের মাত্রাগুলি স্বাধীনভাবে অন্বেষণ করে তারপর সেগুলিকে একত্রিত করে।
বায়েসিয়ান অপ্টিমাইজেশন অনুসন্ধান
একটি অনুসন্ধান পদ্ধতি যা অনিশ্চয়তা মডেল করতে গাউসিয়ান প্রসেস ব্যবহার করে এবং এজেন্টদের স্টেট-অ্যাকশন স্পেসের প্রতিশ্রুতিশীল অঞ্চলগুলির দিকে নির্দেশনা দেয়। এই পদ্ধতিটি সম্ভাব্য অনুমানের উপর ভিত্তি করে অনুসন্ধান দক্ষতা অপ্টিমাইজ করে।
মাল্টি-এজেন্ট কনটেক্সটুয়াল ব্যান্ডিট অনুসন্ধান
একটি অনুসন্ধান ফ্রেমওয়ার্ক যেখানে প্রতিটি এজেন্ট অন্যান্য এজেন্টদের একটি বহু-সশস্ত্র ব্যান্ডিট সমস্যায় একটি বিবর্তনশীল প্রসঙ্গ হিসাবে বিবেচনা করে। এজেন্টরা প্রসঙ্গের পরিবর্তনের সাথে গতিশীলভাবে খাপ খাইয়ে অনুসন্ধান করতে শেখে।
মেটা-লার্নিং অনুসন্ধান
একটি পদ্ধতি যেখানে এজেন্টরা মেটা-অনুসন্ধান কৌশল শেখে যা দ্রুত নতুন মাল্টি-এজেন্ট কনফিগারেশনে অভিযোজিত হতে পারে। এই কৌশলটি একটি পরিবেশে অর্জিত অনুসন্ধানমূলক জ্ঞান অনুরূপ অন্যান্য প্রসঙ্গে স্থানান্তর করে।
বিতরণ করা সিমুলেটেড অ্যানিলিং এক্সপ্লোরেশন
একটি বিতরণ করা এক্সপ্লোরেশন অ্যালগরিদম যেখানে প্রতিটি এজেন্ট নিজস্ব অ্যানিলিং তাপমাত্রা বজায় রাখে যখন গ্লোবাল কুলিং প্রক্রিয়া সমন্বয় করে। এই পদ্ধতিটি প্রাথমিকভাবে ব্যাপক এক্সপ্লোরেশন এবং তারপর ধীরে ধীরে কনভারজেন্সের অনুমতি দেয়।
সর্বাধিক বৈচিত্র্য এক্সপ্লোরেশন
একটি কৌশল যা স্টেট-অ্যাকশন স্পেস কার্যকরভাবে কভার করার জন্য এজেন্টদের সম্মিলিত এক্সপ্লোরেটরি ট্র্যাজেক্টোরির বৈচিত্র্য সর্বাধিক করার লক্ষ্য রাখে। এজেন্টদের দল দ্বারা ইতিমধ্যে এক্সপ্লোর করা স্টেটের তুলনায় অনন্য স্টেট আবিষ্কারের জন্য পুরস্কৃত করা হয়।
কো-ইভোলিউশন এক্সপ্লোরেশন
একটি এক্সপ্লোরেশন প্রক্রিয়া যেখানে এজেন্টদের কৌশলগুলি একে অপরের প্রতিক্রিয়ায় একই সাথে বিবর্তিত হয়, একটি এক্সপ্লোরেটরি অস্ত্র প্রতিযোগিতা গতিশীলতা তৈরি করে। এই পদ্ধতিটি জটিল এবং অভিযোজিত এক্সপ্লোরেটরি আচরণ তৈরি করে।
ডাইনামিক ভেক্টর কোয়ান্টাইজেশন এক্সপ্লোরেশন
একটি এক্সপ্লোরেশন পদ্ধতি যা এজেন্টদের দ্বারা শেয়ার করা স্টেট-অ্যাকশন স্পেস ক্রমাগত বিচ্ছিন্ন করতে অভিযোজিত ভেক্টর কোয়ান্টাইজেশন ব্যবহার করে। এজেন্টরা স্পেস কভারেজ উন্নত করার জন্য কম ঘনত্বের অঞ্চলগুলি এক্সপ্লোর করে।