文献

J-GLOBAL ID：201002224342307777   整理番号：10A0249038

多様な戦略選択を可能にする事例ベースの政策表現とそのGAによる最適化

Exemplar-Based Policy with Selectable Strategies and its Optimization Using GA

著者 (3件)： 池田心 (京都大学(2010年より北陸先端科学技術大学院大学所属)) ,  小林重信 (東京工業大学) ,  喜多一 (京都大学)
資料名： 人工知能学会論文誌(Web)  (TJSAI (Web))
巻： 25  号： 2  ページ： 351-362 (J-STAGE)  発行年： 2010年 
JST資料番号： U0128A  ISSN： 1346-8030  資料種別： 逐次刊行物 (A)
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： 著者らは以前に直接的政策探索における政策を状態と行動の対の集合で表し,それを遺伝的アルゴリズム(GA)を用いて最適化する手法SAPを提案した。本論文では,マルコフ決定過程(MDP)のサブクラスとして複数の選択肢の中から行動を選択する状況で次状態が予測でき,評価がepisodicな場合に着目し,様々な形式を持つ事例集合による政策表現(事例ベース政策,以下EBP)の枠組みを提案した。EBPは事例とその形式に応じた事例ベース推論(CBR)による行動選択アルゴリズムを利用でき,1)状態-価値型,2)状態-状態型といった新たな戦略を提示した。また,行動選択アルゴリズムを固定して事例集合をGAによる最適化の対象とするEBP-GAを実装し,i)情報の表現形式の選択可能性,ii)CBRによる政策の表現能力,iii)GAによる政策最適化との親和性の高さ,iv)領域知識の導入容易性といった特徴を示した。実際にMDPとしてACROBOT問題及びTETRIS問題を対象に性能評価実験を行い,問題の特徴や事前知識の有無などに合わせて状態-行動型EDPだけではなく,1)や2)を使い分けることの有用性を確かめた。

シソーラス用語： *遺伝的アルゴリズム ,  政策 ,  戦略 ,  *選択問題 ,  最適化 ,  Markov過程 ,  事例ベース推論 ,  ロボット ,  性能評価 ,  評価試験 ,  探索問題
準シソーラス用語： Markov決定過程

分類 (2件)： 人工知能  (JE08000Z) ,  その他のオペレーションズリサーチの手法  (KA03070E)

引用文献 (22件)：

• [Aha 1997] David W. Aha: Lazy Learning, Kluwer Academic Publishers (1997)
• [井口 2001] 井口 圭一,木村 元,小林 重信: GAによる並列二重倒立振子の振り上げ安定化制御, 計測自動制御学会第13回自律分散システムシンポジウム, pp. 277-282 (2001)
• [池田 2006] 池田 心,鈴木 裕通,喜多 一,マルコン シャンドル: マルチカーエレベータのスケジューリング問題, 計測自動制御学会 システム・情報部門学術講演会2006,pp. 137-142 (2006)
• [Ikeda 2005] Kokolo Ikeda: Exemplar-Based Direct Policy Search with Evolutionary Optimization, 2005 IEEE Congress on Evolutionary Computation, pp. 2357-2364 (2005)
• [Graham 2001] Graham Kendall, and Glenn Whitwell: An Evolutionary Approach for the Tuning of a Chess Evaluation Function using Population Dynamics, Proceedings of the Genetic and Evolutionary Computation Conference, pp. 995-1002 (2001)

タイトルに関連する用語 (6件)： 戦略 ,  事例ベース ,  政策 ,  表現 ,  Ga ,  最適化