文献

J-GLOBAL ID：200902101142738999   整理番号：98A0668520

マルチエージェント強化学習の方法論 Q-LearningとProfit Sharingによる接近

Methodology in Multi-Agent Reinforcement Learning. Approaches by Q-Learning and Profit Sharing.

著者 (3件)： 荒井幸代 (東京工大 大学院 総合理工学研究科) ,  宮崎和光 (東京工大 大学院 総合理工学研究科) ,  小林重信 (東京工大 大学院 総合理工学研究科)
資料名： 人工知能学会誌  (Journal of the Japanese Society for Artificial Intelligence)
巻： 13  号： 4  ページ： 609-618  発行年： 1998年07月 
JST資料番号： X0330A  ISSN： 0912-8085  資料種別： 逐次刊行物 (A)
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： Q学習および利得共有という2つの強化学習を取り上げ,マルチエ...

シソーラス用語： *学習 ,...
準シソーラス用語： Q学習 ,...

   続きはJDreamIII（有料）にて  {{ this.onShowAbsJLink("http://jdream3.com/lp/jglobal/index.html?docNo=98A0668520&from=J-GLOBAL&jstjournalNo=X0330A") }}

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (16件)：

• GASSER, L. Representing and Using Organizational Knowledge in Distributed AI Systems. Distributed Artificial Intelligence. 1989, 2, 55-78
• GREFENSTETTE, J. J. Credit Assignment in Rule Discovery Systems Based on Genetic Algorithms. Machine Learning. 1988, 3, 225-245
• HOLLAND, J. H. The Possibilities of General-Purpose Learning Algorithms Applied to Parallel Rule-Based Systems. Machine Learning : An Artificial Intelligence Approach. 1986, 2, 593-623
• 宮崎和光. 強化学習における報酬割当ての理論的考察. 人工知能学会誌. 1994, 9, 4, 580-587
• ONO, N. Synthesis of Herding and Specialized Behavior by Modular Q-learning Animats. Proc. of the ALIFE V Poster Presentations. 1996, 26-30

タイトルに関連する用語 (4件)： マルチエージェント ,  強化学習 ,  方法論 ,  接近