抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
マルチエージェントシステムにおいては,環境の状態に応じたエージェントの配置がパフォーマンスに大きな影響を及ぼす。これに対し本研究では,これに対し著者らは以前に,Delaunay三角形分割と線形補間の組合せモデルを提案したが,状態変数が多い場合には問題を抱えていた。これに対し本研究では,上記著者らの提案モデルを階層化することにより拡張し,多次元入力に対応できるモデルを提案した。さらに,ツリー構造を用いて入力空間の部分的多次元化を行い,必要な訓練データ数を抑制することを試みた。提案拡張モデルに関しては,入力空間のツリー構造状多層化,ツリー構造全体での出力の導出アルゴリズム,訓練データ追加アルゴリズム,各部分入力空間の定義域の決定,訓練データの親ノードに対する依存関係,について議論を行った。ここでは移動物体の警護タスクに対する提案のマルチエージェント配置手法の評価実験を行い関数近似モデル(BPN(逆伝搬法ニューラルネットワーク),RBF(動径基底関数),NGnet,k最近傍問題,タイルコーディング)を設定し,7種類のパターンから成る訓練データセットを準備し,二次元入力空間での実験結果と,拡張モデルによる配置獲得実験を行った。その結果,提案拡張モデルにより多次元入力の適切な受入が可能になることを示した。