عاملها موجودات نرم‏افزاري هستند كه بطور پيوسته و خود مختار در يک محيط که براي آن طراحي شده‏اند کار ميکنند. براي عاملها نيازهايي از قبيل واكنشي بودن نسبت به كنش‏هاي محيطي، خود مختاري در انتخاب مسير و ادامه آن، قابليت تطبيق و يادگيري و ... ضروري به نظر مي‏رسد. امروزه مطالعه سيستمهاي مبتني بر عاملها به يك موضوع مهم آكادميك تبديل شده است كه كاربردهاي تجاري و صنعتي فراواني را نيز دربر دارد. در سيستمهاي چندعامله، چندين عامل هوشمند با قابليت برقراري ارتباط با يكديگر، جهت رسيدن به مجموعه‏اي از اهداف، با هم همكاري مي‏كنند. بدليل پيچيدگيهاي موجود در محيطهاي چندعامله پويا و متغير نياز به روشهاي يادگيري ماشين در چنين محيطهايي احساس مي‏شود. اتوماتاي يادگير يك مدل انتزاعي است كه تعداد محدودي عمل را مي‏تواند انجام دهد. هر عمل انتخاب شده توسط محيطي احتمالي ارزيابي مي‏گردد و پاسخي به اتوماتاي يادگير داده مي‏شود. اتوماتاي يادگير از اين پاسخ استفاده نموده و عمل خود براي مرحله بعد را انتخاب مي‏كند. در اين مقاله با استفاده از بستر تست شبيه‏سازي فوتبال روباتها به بررسي كارآيي اتوماتاي يادگير در همكاري بين عاملهاي عضو يك تيم پرداخته شده است. بدليل وجود تعداد حالات بسيار زياد در دامنه‏هاي چند‏عامله پيچيده، داشتن روشي براي عمومي‏سازي حالات محيطي، امري ضروري است چرا كه انتخاب مناسب چنين روشي، در تعيين حالات و اعمال عامل نقشي تعيين كننده دارد. در اين مقاله همچنين به معرفي و پياده‏سازي تكنيك "بهترين گوشه در مربع حالت" پرداخته شده است. با استفاده از اين روش فضاي حالات پيوسته و بسيار وسيع عامل به فضاي حالات گسسته و محدود نگاشته مي‏شود. كارآيي اين تكنيك در عمومي‏سازي حالات محيطي در يك دامنه چند عامله همكاري گرا مورد بررسي قرار گرفته است. Manuscript profile