文献

J-GLOBAL ID：201902277596500720   整理番号：19A1036047

深層強化学習を用いた分散協調探索問題における記憶情報による情報補完とその効率化

著者 (2件)： 山崎天 (早稲田大 基幹理工) ,  菅原俊治 (早稲田大 基幹理工)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 118  号： 492(AI2018 53-59)(Web)  ページ： 13-18 (WEB ONLY)  発行年： 2019年03月04日 
JST資料番号： S0532B  ISSN： 0913-5685  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： マルチエージェントシステム(MAS)は,シングルエージェントでのモデル化が困難な,複数のエージェントが干渉しあう環境をモデル化でき,様々な実世界の問題に応用できる.しかし,エージェント間の相互作用によって環境は複雑で予測不可能となり,特に協調的な戦略を設計することは困難である.そこで本研究では,MASの中でも分散協調探索問題と呼ばれる一般的な問題を扱い,エージェントがそれぞれ独立したDeep Q-Network(DQN)で政策を学習するとき,全体で創発される行動戦略を調査する.また,エージェントは環境から与えられる情報が制限されるときに,どのような行動戦略によって情報不足を回避するかを調査する.実験の結果,情報制限により報酬が獲得しづらく,学習が困難な環境ほどエージェント間で強い分業が発生したことを報告する.また,分業時には各エージェントの担当領域で他エージェントからの干渉が少なく,シングルエージェントと類似した環境として扱えることがわかった.そのため,特にシングルエージェントの環境で有効活用できると考えられる記憶情報を利用することで,報酬獲得効率が向上したことを報告する.(著者抄録)

シソーラス用語： *マルチエージェントシステム ,  マルチエージェントモデル ,  相互作用 ,  エージェント ,  システム ,  *分散協調 ,  *強化学習 ,  記憶 ,  Markov過程 ,  実験 ,  深層強化学習 ,  評価実験
準シソーラス用語： Markov決定過程 ,  Q学習 ,  分散協調システム

分類 (2件)： 人工知能  (JE08000Z) ,  システムモデル  (IB02000Z)

引用文献 (11件)：

• S. Russell and P. Norvig, Artificial Intelligence: A Modern Approach, 3rd edition, Prentice Hall Press, Upper Saddle River, NJ, USA, 2009.
• Y. LeCun, Y. Bengio, and G. Hinton, “Deep learning,” Nature, vol.521, no.7553, p.436, 2015.
• V. Mnih, K. Kavukcuoglu, D. Silver, A.A. Rusu, J. Veness, M.G. Bellemare, A. Graves, M. Riedmiller, A.K. Fidjeland, et al., “Human-level control through deep reinforcement learning,” Nature, vol.518, no.7540, p.529, 2015.
• M. Tan, “Multi-agent reinforcement learning: Independent vs. cooperative agents,” Proceedings of the tenth international conference on machine learning, pp.330-337, 1993.
• M.L. Littman, “Markov games as a framework for multiagent reinforcement learning,” Machine Learning Proceedings 1994, pp.157-163, Elsevier, 1994.

タイトルに関連する用語 (6件)： 深層強化学習 ,  分散協調 ,  探索問題 ,  記憶情報 ,  補完 ,  効率化