Effiziente Verarbeitung und Analyse großer heterogener Multiagentensysteme durch priorisiertes Reinforcement Learning
Ein neuartiger Ansatz für priorisiertes Heterogenes Liga-Reinforcement-Learning (PHLRL), der die Herausforderungen großer heterogener Multiagentensysteme effektiv adressiert, indem er robuste Kooperationsstrategien durch das Zusammenspiel verschiedener Agententypen und einen Ausgleich der Stichprobenungleichheit zwischen den Agententypen ermöglicht.