Agent-Oriented Learning

Course Code : IA340

Time Hours : 18 hours

Time Periods : not available yet

Lecturer : Bruno Bouzy Assistant Professor, Bruno.Bouzy[at]parisdescartes.fr

A voir dans cette page

Objective

Agent-centered techniques used in machine learning : reinforcement learning and multi-agent learning

Contents

  •  Session 1 : single-agent learning (1) : Problem, exploration vs exploitation, MDP.
  •  Session 2 : single-agent learning (2) : Dynamic programming, Value iteration.
  •  Session 3 : single-agent learning (3) : Monte-Carlo, Temporal Differences, Q-learning, SARSA.
  •  Session 4 : multi-agent learning (1) : Game theory, Nash and correlated equilibria.
  •  Session 5 : multi-agent learning (2) : Repeated matrix games, algorithms.
  •  Session 6 : multi-agent learning (3) : Decision making under uncertainty, bandit algorithms.

References

  •  Richard Sutton, Andrew Barto, Reinforcement Learning, MIT Press, 1998.
  •  Martin Osborne, An introduction to game theory, Oxford University Press, 2003.
  •  Yoav Shoham, Rob Powers, Trond Grenager, If multi-agent learning is the answer, what is the question ? Artificial Intelligence, 171, pages 365-377, 2007.