kaz29Вестник Казахстанско-Британского технического университетаHerald of the Kazakh-British Technical University1998-66882959-8109Казахстанско-Британский Технический Университетkaz29-227Research ArticleФИЗИКО-МАТЕМАТИЧЕСКИЕ И ТЕХНИЧЕСКИЕ НАУКИPHYSICAL, MATHEMATICAL AND TECHNICAL SCIENCESИССЛЕДОВАНИЕ МУЛЬТИАГЕНТНЫХ СИСТЕМ В ДИНАМИЧЕСКИ ИЗМЕНЯЕМОЙ СРЕДЕ С ИСПОЛЬЗОВАНИЕМ АЛГОРИТМОВ ОБУЧЕНИЯ С ПОДКРЕПЛЕНИЕМRESEARCH OF MULTIAGENT SYSTEM IN A DYNAMICALLY CHANGING ENVIRONMENT USING REINFORCEMENT LEARNING ALGORITHMSПреновА.PrenovA.

магистр

АкшабаевА.AkshabayevA.

PhD,  профессор

АО «КБТУ»Казахстан201911112021164153156Copyright © Пренов А., Акшабаев А., 20212021Пренов А., Акшабаев А.Prenov A., Akshabayev A.Данная работа распространяется под лицензией Creative Commons Attribution 4.0.This work is licensed under a Creative Commons Attribution 4.0 License.https://vestnik.kbtu.edu.kz/jour/article/view/227

Ставки на спорт являются одним из самых популярных видов развлечений современного мира на сегодняшний день. Вследствие чего букмекерские конторы стали неимоверно прибыльными за очень короткое время, что за собой привлекло немало проблем, о которых приводится ниже. Исследование рассматривает один из самых умопомрачительных феноменов сегодняшнего дня, то есть мультиагентные системы в мире спортивных ставок. Рассматривается реализация и смысл обучения с подкреплением, в виду того, что данный вид обучения незаменим в изучении спортивных ставок. Алгоритмы обучения с подкреплением незаменимы в анализе азартных игр, поэтому исследование рассмотрит роль обучения, используемых мультиагентами, чтобы определить победителей и проигравших. Протестирована эффективность алгоритма в реальной среде. Также демонстрируется процесс передачи данных среди мультиагентов и результативность процесса, сферы применения алгоритма.

Nowadays, betting has become one of the most well-known facilities in the modern world. Thus, there occurred a plenty of bookmakers which got profitable in the very short period of time. Sport prediction is very important and interesting problem for machine learning algorithms. Research explores the usage ofone of the most mind-blowing phenomenases - the multi-agent system in the study of the world of bets. Since, Reinforcement Algorithms are the irreplaceable ones in the study of gamblings, we’ll show the implementation and the meaning of the reinforcement algorithm. Study will consider the role of reinforcement algorithm used by multi-agents to determine the winners and losers. We’ll examine the efficiency of a given algorithm in the obscure surroundings. Moreover, we’ll show the process of transferring the data among agents and demonstrate its efficiency. Finally, we’ll provide cases where this solution can be useful in terms of business,

ставки на спортмультиагентные системыq-обучениенаградасостояниедействиеsports bettingmulti-agent systemsq-learningrewardstateactionReferencesHuang, S. Introduction to Various Reinforcement Learning Algorithms. Part I (Q-Learning, SARSA, DQN, DDPG). (2018) Retrieved from https://towardsdatascience.com/introduction-to-various-reinforcement-learning-algorithms-i-q-learning-sarsa-dqn-ddpg-72a5e0cb6287Huang, S. Introduction to Various Reinforcement Learning Algorithms. Part I (Q-Learning, SARSA, DQN, DDPG). (2018) Retrieved from https://towardsdatascience.com/introduction-to-various-reinforcement-learning-algorithms-i-q-learning-sarsa-dqn-ddpg-72a5e0cb6287Choudhary, A. A Hands-On Introduction to Deep Q-Learning using OpenAI Gym in Python (2019). Retrieved from https://www.analyticsvidhya.com/blog/2019/04/introduction-deep-q-learning-python/Choudhary, A. A Hands-On Introduction to Deep Q-Learning using OpenAI Gym in Python (2019). Retrieved from https://www.analyticsvidhya.com/blog/2019/04/introduction-deep-q-learning-python/Violante, A. Simple Reinforcement Learning: Q-Learning. (2019). Retrieved from https://towardsdatascience.com/simple-reinforcement-learning-q-learning-fcddc4b6fe56Violante, A. Simple Reinforcement Learning: Q-Learning. (2019). Retrieved from https://towardsdatascience.com/simple-reinforcement-learning-q-learning-fcddc4b6fe56Garant, D., Castro, B., Lesser, V. Accelerating Multi-agent Reinforcement Learning with Dynamic Co-learning.(2014). Cambridge: Massachusetts Institute of Technology.Garant, D., Castro, B., Lesser, V. Accelerating Multi-agent Reinforcement Learning with Dynamic Co-learning.(2014). Cambridge: Massachusetts Institute of Technology.McCabe, A., Trevathan, J. Artificial Intelligence in Sports Prediction. (2008). Retrieved from https://www.researchgate.net/publication/220841301_Artificial_Intelligence_in_Sports_PredictionMcCabe, A., Trevathan, J. Artificial Intelligence in Sports Prediction. (2008). Retrieved from https://www.researchgate.net/publication/220841301_Artificial_Intelligence_in_Sports_PredictionPrenov, A. Code Sample. Retrieved from https://github.com/aibaq/Prenov, A. Code Sample. Retrieved from https://github.com/aibaq/

The authors declare that there are no conflicts of interest present.