Transferencia de Conocimiento en Sistemas Multi-Agente Entrenados con Aprendizaje por Refuerzo: un Mapeo Sistemático de la Literatura

Abstract

Contexto: El resultado del proceso de aprendizaje, en el ambiente tradicional del aprendizaje por refuerzo de sistemas multi-agente, no es directamente replicable en otros sistemas distintos al utilizado para el propio aprendizaje. El problema que surge a partir de esto es que, excepto casos de alta similitud entre ambientes, los sistemas multi-agente precisan comenzar nuevamente el proceso de aprendizaje desde cero. Objetivos: La contribución del presente trabajo consiste en un mapeo sistemático de los trabajos recientes relativos al proceso, técnicas y experimentación de transferencia de aprendizaje, en sistemas multi-agente. Método: se define un objetivo central de estudio y a partir del mismo, las preguntas de investigación que orientan el trabajo. A partir de esto se generan las cadenas de búsqueda, las cuales son iteradas en varias ocasiones para generar el universo de trabajos inicial. Luego de aplicar criterios de inclusión y exclusión, se procede a analizar cada uno de los mismos y se aplicar una valoración cualitativa para reducir el grupo objetivo, del cual se generan las tablas resumen comparativas y las conclusiones. Resultados: se enumeran las principales técnicas utilizadas para la transferencia de conocimiento en sistemas multi-agente, destacando aquellas con mayor caudal de aportes investigativos y experimentales, así como los principales factores de complejidad mencionados y los contextos de aplicación de las mismas, tanto virtuales como materiales.