文献

J-GLOBAL ID：200902298825647776   整理番号：09A1247312

罰基底度閾値の学習機能を有する改良型罰回避政策形成アルゴリズムの提案

Proposal of the Improved Penalty Avoiding Rational Policy Making algorithm with Learning Mechanism of Threshold of the Penalty Basis Function

著者 (3件)： 小林諒平 (明治大) ,  宮崎和光 (大学評価・学位授与機構) ,  小林博明 (明治大)
資料名： 自動制御連合講演会(CD-ROM)  (自動制御連合講演会講演論文集(CD-ROM))
巻： 52nd  ページ： ROMBUNNO.J4-1  発行年： 2009年 
JST資料番号： F0989D  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： 改良型罰回避政策形成アルゴリズムでは,閾値γを用いて罰基底の判定を行う。一般に,γは,学習結果に大きな影響を与えることが知られている。これまでは,予備的実験等を通じて,適切なγを事前に設定する必要があった。それに対し本研究では,マルチスタート法を活用し,γを学習する手法を提案する。提案手法を,サッカーの試合におけるパス回しをモデルにしたベンチマーク問題であるkeepawayタスクへ適用し,有効性を確認する。(著者抄録)

シソーラス用語： ペナルティ関数 ,  学習 ,  基底 ,  エージェント ,  離散系 ,  サッカー ,  シミュレータ ,  行為 ,  アルゴリズム ,  *強化学習 ,  遷移確率 ,  賃金 ,  *政策 ,  *意思決定

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (7件)： 基底 ,  閾値 ,  学習機能 ,  回避 ,  政策 ,  アルゴリズム ,  提案