文献

J-GLOBAL ID：201702217087507871   整理番号：17A0473040

部分的に制約された入力をもつ連続時間完全協力ゲームのためのデータ駆動適応動的計画法【Powered by NICT】

Data-driven adaptive dynamic programming for continuous-time fully cooperative games with partially constrained inputs

著者 (6件)： Zhang Qichao (The State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing 100190, China) ,  Zhang Qichao (The University of Chinese Academy of Sciences, Beijing 100049, China) ,  Zhao Dongbin (The State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing 100190, China) ,  Zhao Dongbin (The University of Chinese Academy of Sciences, Beijing 100049, China) ,  Zhu Yuanheng (The State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing 100190, China) ,  Zhu Yuanheng (The University of Chinese Academy of Sciences, Beijing 100049, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 238  ページ： 377-386  発行年： 2017年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,連続時間マルコフ決定過程環境における部分的に拘束された入力をもつ完全に協力ゲームは,新しいデータ駆動型適応動的計画法を用いて調べた。一一反復ループによるモデルベース政策反復アルゴリズムを提案し,システム動力学の知識が要求される。価値関数と制御政策の反復配列は最適なものに収束することを証明した。システムダイナミックスの正確な知識を緩和するために,モデルベースアルゴリズムと積分強化学習に基づいて導出しモデルフリー反復方程式。さらに,発生したシステムデータを用いたモデル方程式を解くために開発したデータ駆動型適応動的計画法。理論解析から,このモデルフリー反復方程式であるモデルベース反復方程式,データ駆動アルゴリズムは最適値関数および制御ポリシーを近づけることができることを意味すると等価であることを証明した。実装目的のために,利用可能なシステムデータはオンライン測定相で収集される後三ニューラルネットワークはオフポリシー学習スキームを用いたモデルフリー反復方程式の解を近似するために構築した。最後に二つの例により,提案方式の有効性を実証した。Copyright 2017 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【Powered by NICT】

シソーラス用語： システムダイナミックス ,  *協力ゲーム ,  アルゴリズム ,  学習 ,  積分 ,  *動的計画法 ,  強化学習 ,  評価関数 ,  *連続時間系
準シソーラス用語： 最適値 ,  理論解析 ,  反復アルゴリズム ,  モデルベース ,  Markov決定過程 ,  *データ駆動 , 【Automatic Indexing@JST】

著者キーワード (6件)： 適応動的計画法 ,  最適制御 ,  ニューラルネットワーク ,  完全協力ゲーム ,  データ駆動 ,  制約付き入力

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 制約 ,  連続時間 ,  協力ゲーム ,  データ駆動 ,  適応 ,  動的計画法