特許
J-GLOBAL ID：202403014062380784
マルチエージェント強化学習プログラム、情報処理装置およびマルチエージェント強化学習方法
発明者：
,
,
,
出願人/特許権者：
代理人 (1件)：
弁理士法人酒井国際特許事務所
公報種別：公開公報
出願番号（国際出願番号）：特願2022-149479
公開番号（公開出願番号）：特開2024-044125
出願日： 2022年09月20日
公開日（公表日）： 2024年04月02日
要約：
【課題】制約条件付きマルチエージェント強化学習において、システム全体の制約条件を考慮した学習を行う。
【解決手段】情報処理装置1は、複数のエージェントが存在する制約条件付き制御問題において、各エージェントの方策パラメータの所定の更新順に従って、自身のエージェントの固有の制約条件に対する影響度と、前の更新順のエージェントの更新された方策パラメータによる影響度を共有した、システム全体の制約条件に対する影響度とを算出し、自身のエージェントの固有の制約条件に対する影響度およびシステム全体の制約条件に対する影響度で定まるそれぞれの範囲内に、自身のエージェントの方策パラメータの更新幅が存在する場合、自身のエージェントの方策パラメータを更新して、更新後の影響度を次の更新順のエージェントに共有させる。かかる情報処理装置1の処理は、例えば、基地局(BS)における停波制御に適用できる。
【選択図】図2A
請求項（抜粋）：
複数のエージェントが存在する制約条件付き制御問題において、
各エージェントの方策パラメータの所定の更新順に従って、自身のエージェントの固有の制約条件に対する影響度と、前の更新順のエージェントの更新された方策パラメータによる影響度を共有した、システム全体の制約条件に対する影響度とを算出し、
前記自身のエージェントの固有の制約条件に対する影響度および前記システム全体の制約条件に対する影響度で定まるそれぞれの範囲内に、前記自身のエージェントの方策パラメータの更新幅が存在する場合、前記自身のエージェントの方策パラメータを更新して、更新後の影響度を次の更新順のエージェントに共有させる
処理をコンピュータに実行させることを特徴とするマルチエージェント強化学習プログラム。
IPC (1件)：
FI (1件)：
引用特許：
前のページに戻る
