Glossaire IA
Le dictionnaire complet de l'Intelligence Artificielle
Jeux à Somme Nulle
Scénarios où les gains d'un agent correspondent exactement aux pertes des autres agents, créant une compétition stricte.
Jeux Coopératifs Purs
Environnements où tous les agents partagent un objectif commun et maximisent une récompense collective.
Apprentissage par Communication
Agents apprennent à développer et utiliser des protocoles de communication pour coordonner leurs actions.
MARL Centralisé-Décentralisé
Architecture où l'entraînement utilise des informations globales mais l'exécution est complètement décentralisée.
Théorie des Appliquée au MARL
Application des concepts d'équilibre de Nash et de stratégies mixtes dans l'apprentissage multi-agents.
Exploration Multi-agents
Stratégies d'exploration adaptées aux environnements multi-agents où les actions des autres affectent l'exploration.
Apprentissage Hiérarchique Multi-agents
Structures d'apprentissage où les agents sont organisés en hiérarchies avec différents niveaux de décision.
Formation d'Équipes Dynamique
Agents apprennent à former et adapter des équipes en fonction des exigences de la tâche.
MARL Adversarial
Scénarios où certains agents agissent comme adversaires pour améliorer la robustesse des autres agents.
Allocation de Ressources Multi-agents
Distribution optimale de ressources limitées entre plusieurs agents apprenants.
MARL Continu
Apprentissage multi-agents dans des espaces d'action continus, applicable à la robotique et au contrôle.
Scalabilité en MARL
Techniques permettant à l'apprentissage de fonctionner efficacement avec un grand nombre d'agents.
Consensus Multi-agents
Mécanismes par lesquels les agents parviennent à un accord sur des décisions ou des états partagés.
MARL Partiellement Observable
Apprentissage où chaque agent n'a qu'une vue partielle de l'état global de l'environnement.