طرح ریزی مشارکتی بر خط در محیط های پیچیده

الگوریتم های طرح ریزی موجود اگرچه می توانند در شرایط عدم قطعیت و عدم تمرکز طرح ریزی نمایند، اما اکثر آن ها در مواقعی که شرایط پیچیده تری حاکم است همچون نیاز به طرح ریزی دقیق، تصمیم گیری بلادرنگ، پویایی محیط، میدان دید محدود و ارتباطات محدود بین عامل ها، بازده خوبی نداشته و گاهی با شکست مواجه می شوند. از جمله الگوریتم های مناسب برای این شرایط مدل های توسعه یافته DEC-POMD مانند MAOP-COMM است که می توان با بهبود آن طرح ریزی دقیق تری برای عامل ها انجام داد. ما در این مقاله با ارتقاء هیوریستیک تابع ارزش و به کارگیری پیش بینی دو مرحله ای در استراتژی یافتن سیاست بهینه و اخذ تصمیم صحیح، الگوریتم اخیر را بهبود داده ایم. الگوریتم بهبود یافته در شرایط عدم قطعیت به صورت غیر متمرکز با کارایی مضاعف و درصد بالایی از صحت تصمیم گیری برای عامل ها به صورت برخط طرح ریزی می کند. الگوریتم حاصل روی بنچ مارک Grid Soccer آزمایش شده است. نتایج به دست آمده برتری الگوریتم ارائه شده با بهبودهای پیشنهادی را نشان می دهد.