特許
J-GLOBAL ID：202503000105760230
学習プログラム、情報処理装置および学習方法
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2023-143184
公開番号（公開出願番号）：特開2025-035871
出願日： 2023年09月04日
公開日（公表日）： 2025年03月14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、第1のエージェントについて、複数のエージェントの関係性に基づいて、行動する際に用いる状態の優先度を決定し、状態の優先度に応じて、第1の方策パラメータに入力する値を選択し、値が入力された第1の方策パラメータを用いて、所定の更新順に従って、第1のエージェントの制約条件に対する第1の影響度と、前の順となる第2のエージェントが更新した第2の方策パラメータによる第2の影響度に基づいた、システム全体の制約条件に対する第3の影響度と、を決定し、第1の影響度と第3の影響度とに応じた、制約条件を満たす方策パラメータの範囲を決定する。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2
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、
前記複数のエージェントの中の第1のエージェントについて、前記複数のエージェントの関係性に基づいて、行動する際に用いる状態の優先度を決定し、
前記第1のエージェントについて、前記状態の優先度に応じて、第1の方策パラメータに入力する値として真値または代替値を選択し、
前記第1のエージェントについて、前記値が入力された前記第1の方策パラメータを用いて、所定の更新順に従って、前記第1のエージェントの制約条件に対する第1の影響度と、更新順の前の順となる第2のエージェントが更新した第2の方策パラメータによる第2の影響度に基づいた、システム全体の制約条件に対する第3の影響度と、を決定し、
前記第1の影響度と前記第3の影響度とに応じた、制約条件を満たす方策パラメータの範囲を決定する
処理をコンピュータに実行させることを特徴とする学習プログラム。
IPC (2件)：
FI (2件)：
引用特許：
前のページに戻る
