پروژه مشارکت بین ایجنت های مختلف برای افزایش کارایی سیستم با استفاده از یادگیری تقویتی عمیق

با سلام، باید کدی نوشته شود با استفاده از DRL که در آن چندین ایجنت برای بالا بردن کارایی سیستم با هم همکاری میکنند. سیستم در سه حالت بررسی می شود: هر ایجنت فقط به کارایی خود فکر میکند (بسته به تابع هدف) . ایجنت ها به کارایی کل سیستم فکر میکند. هر ایجنت هم به کارایی خود و هم به کارایی کل سیستم فکر میکند.  به عبارتی سیستم در حالت متمرکز، غیر متمرکز، و مابین بررسی میشود. نرم افزار مورد استفاده هم پایتون است. دو مرحله مهمتر پروژه: مرحله اول: در هر مرحله agent  دو تصمیم میتواند بگیرد: (1) تصمیم می گیرد که چقدر به باقی ایجنت ها کمک کند یا چقدر کمک بخواهد.  (2) تصمیم می گیرد چه مقدار تقاضا برای خودش تعیین بکند (انرژی یا موجودی زخیره شده برای خودش). مرحله دوم:  در این مرحله که بعد از تعیین مقادیر مرحله اول انجام می شود ، مقداری مانند کمبود و مازاد هر ایجنت مشخص می شود. با توجه به هدف که کمینه کردن هزینه و بهبود مسائل اجتماعی است، به هر ایجنت ریوارد (پاداش) داده میشود و همچنین پاداش کل سیستم بررسی می شود. بهترین حالت بین سه حالت گفته شده باید انتخاب شود. نکات جزئی و توضیحات اضافی مربوط به مساله بعدا گفته خواهد شد. \*\*\*\* در صورت رها کردن پروژه وسط کار، هیچ مبلغی پرداخت نخواهد شد.