文献

J-GLOBAL ID：201902242290773159   整理番号：19A0148066

多目的強化学習における方策の一貫性を保証したQベクトルの抽出アルゴリズム

著者 (2件)： 竹木祥太 (千葉大 大学院) ,  荒井幸代 (千葉大 大学院)
資料名： 計測自動制御学会システム・情報部門学術講演会講演論文集(CD-ROM)
巻： 2018  ページ： ROMBUNNO.GS0207  発行年： 2018年11月25日 
JST資料番号： F0428D  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： 多目的強化学習は,多段の意思決定を要する多目的計画におけるパレート最適解を求める方法として位置づけられる。一般に多目的強化学習アルゴリズムの性能は,存在するパレート最適方策をどれだけ多く見つけられるかによって評価される。多目的強化学習は,「報酬ベクトルから各状態のQベクトル集合を学習する」段階と,「各状態のQベクトル集合から最適なQベクトルを抽出する」段階を経てパレート最適方策を獲得する。抽出されたQベクトル系列の要素はすべて同じ方策であること,すなわち,一貫性が求められるが,既存手法は,その抽出段階において,Qベクトルのスカラー化における各状態の重みを一律としているため,一貫した方策が得られるとは限らない。その結果,獲得できないパレート最適方策が生じると考えられる。この問題に対して提案法では,はじめに,各状態の重みを網羅的に探索することによって,各状態の最適なQベクトル集合を抽出する。つぎに,ある方策において初期状態から終端状態までのQベクトルの追跡によって一貫性を確認する。獲得できたパレート最適方策の数を既存手法と提案法で比較することによって,提案法の性能を評価する。(著者抄録)

シソーラス用語： *強化学習 ,  *多目的計画法 ,  一貫性 ,  解 ,  *学習アルゴリズム ,  *最適化 ,  Q値 ,  抽出
準シソーラス用語： Pareto最適解 ,  *多目的強化学習 ,  *多目的最適化

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 強化学習 ,  方策 ,  保証 ,  ベクトル ,  アルゴリズム