文献

J-GLOBAL ID：201702224394652553   整理番号：17A0827004

非線形連続時間n人非ゼロ和ゲームを解くためのオフポリシー積分強化学習法【Powered by NICT】

Off-Policy Integral Reinforcement Learning Method to Solve Nonlinear Continuous-Time Multiplayer Nonzero-Sum Games

著者 (3件)： Song Ruizhuo (School of Automation and Electrical Engineering, University of Science and Technology Beijing, Beijing, China) ,  Lewis Frank L. (UTA Research Institute, The University of Texas at Arlington, Arlington, TX, USA) ,  Wei Qinglai (State Key Laboratory of Management and Control for Complex Systems, Institute of Automation, Chinese Academy of Sciences, Beijing, China)
資料名： IEEE Transactions on Neural Networks and Learning Systems  (IEEE Transactions on Neural Networks and Learning Systems)
巻： 28  号： 3  ページ： 704-713  発行年： 2017年 
JST資料番号： T0881A  ISSN： 2162-237X  CODEN： ITNNEP  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,未知のシステムダイナミックスを持つ非線形連続時間(CT)非零和(NZS)ゲームを解くためのポリシー外積分強化学習(IRL)法を確立した。IRLアルゴリズムは反復制御を得るために提示し,オフポリシー学習を用いて,動力学は完全に未知であることを可能にすることである。ポリシー外IRLは政策反復アルゴリズムにおける政策評価と政策改善を行うように設計されている。クリティックと行動ネットワークは各プレーヤのための性能指数と制御を得るために用いた。勾配降下アルゴリズムは,批評者と作用量の同時更新を行った。重みの収束解析を行った。閉ループ系の漸近安定性とNash平衡の存在を証明した。シミュレーション研究は,未知のシステムダイナミックスを持つ非線形CT NZSゲームのための開発した方法の有効性を実証した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： 性能指数 ,  漸近安定 ,  *強化学習 ,  アルゴリズム ,  *連続時間系 ,  シミュレーション ,  システムダイナミックス ,  *学習 ,  *非ゼロ和ゲーム ,  *ゲーム ,  閉ループ系 ,  *積分
準シソーラス用語： 収束解析 ,  政策評価 ,  反復アルゴリズム , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 非線形 ,  連続時間 ,  非ゼロ和ゲーム ,  積分 ,  強化