এআই গ্লসারি

📖

শব্দ

মাল্টি-এজেন্ট রিইনফোর্সমেন্ট লার্নিং

একটি শেখার প্যারাডাইম যেখানে একাধিক এজেন্ট একটি শেয়ার্ড পরিবেশে একইসাথে সিদ্ধান্ত নিতে শেখে, যেখানে তারা সমষ্টিগত বা ব্যক্তিগত লক্ষ্য অপ্টিমাইজ করার জন্য একে অপরের সাথে ইন্টারঅ্যাক্ট করে।

📖

শব্দ

মাল্টি-এজেন্ট ডিপ ডিটারমিনিস্টিক পলিসি গ্রেডিয়েন্ট (MADDPG)

একটি CTDE অ্যালগরিদম যা DDPG-কে মাল্টি-এজেন্ট পরিবেশে প্রসারিত করে, যেখানে কেন্দ্রীয় সমালোচক এবং বিকেন্দ্রীভূত অভিনেতা ব্যবহার করে ক্রমাগত অ্যাকশন স্পেসে শেখা হয়।

📖

শব্দ

মাল্টি-এজেন্ট আংশিক পর্যবেক্ষণযোগ্য মার্কভ ডিসিশন প্রসেস (MPOMDP)

MARL পরিবেশের গাণিতিক ফর্মালাইজেশন যেখানে প্রতিটি এজেন্টের আংশিক পর্যবেক্ষণ থাকে এবং সর্বোত্তম সিদ্ধান্ত নেওয়ার জন্য গ্লোবাল স্টেট অনুমান করতে হয়।

📖

শব্দ

মিন ফিল্ড গেমস

একটি তত্ত্ব যা বিপুল সংখ্যক যুক্তিসঙ্গত এজেন্টের ইন্টারঅ্যাকশন অধ্যয়ন করে, যেখানে ভিড়ের প্রভাবকে একটি গড় ক্ষেত্র দ্বারা আনুমানিক করা হয়, যা বৃহৎ-স্কেল মাল্টি-এজেন্ট সিস্টেমে প্রয়োগযোগ্য।

📖

শব্দ

ক্রমাগত নিয়ন্ত্রণ

MARL-এর প্রয়োগের ডোমেইন যেখানে এজেন্টদের অবিচ্ছিন্ন অ্যাকশন সহ ফিজিক্যাল সিস্টেম নিয়ন্ত্রণ করতে হয়, যেমন মোবাইল রোবোটিক্স বা বস্তু ম্যানিপুলেশন।

📖

শব্দ

স্টোকাস্টিক গেমস

MDP-এর মাল্টি-এজেন্ট পরিবেশে এক্সটেনশন যেখানে ট্রানজিশন এবং রিওয়ার্ড সমস্ত এজেন্টের যৌথ অ্যাকশনের উপর নির্ভর করে, যা সহযোগী এবং প্রতিযোগিতামূলক সিনারিও মডেল করে।

📖

শব্দ

MARL-এ ন্যাশ ইকুইলিব্রিয়াম

স্থিতিশীলতার ধারণা যেখানে কোনো এজেন্ট একতরফাভাবে তার কৌশল পরিবর্তন করে তার রিওয়ার্ড উন্নত করতে পারে না, যা প্রতিযোগিতামূলক MARL অ্যালগরিদমে কনভারজেন্স ক্রাইটেরিয়া হিসেবে ব্যবহৃত হয়।

📖

শব্দ

কোঅর্ডিনেশন প্রোটোকল

কমিউনিকেশন বা সিঙ্ক্রোনাইজেশন মেকানিজম যা এজেন্টদেরকে ক্রমাগত MARL পরিবেশে সমষ্টিগত লক্ষ্য অর্জনের জন্য তাদের অ্যাকশনগুলিকে সারিবদ্ধ করতে সক্ষম করে।