文献

J-GLOBAL ID：201002229714403346   整理番号：10A0433295

強化学習を用いた変動環境下の最短経路探索

Reinforcement Learning with Internal Rewards Based on Error in a Grid-based Map

著者 (2件)： 甲斐孝史 (九州工大 大学院生命体工学研究科) ,  石川眞澄 (九州工大 大学院生命体工学研究科)
資料名： 電子情報通信学会技術研究報告  (IEICE Technical Report (Institute of Electronics, Information and Communication Engineers))
巻： 109  号： 461(NC2009 87-175)  ページ： 119-124  発行年： 2010年03月02日 
JST資料番号： S0532B  ISSN： 0913-5685  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： エージェント自身に環境認識を行わせ,環境変化を認識するとMapの再学習を行わせることで変動環境下においてゴールまでの最適行動を強化学習によって求めることを目的とする。また,最短行動を学習済みでも時節環境の探索を行わせることにより新しい最短経路の出現にも対応する。環境の認識は尤度を求めることにより行う。シミュレーション実験を行い,パラメータの設定の調整により行動回数を減少することが出来た。併せて,提案手法で用いたパラメータ値がエージェントの行動に与える影響についても検討した。(著者抄録)

シソーラス用語： *強化学習 ,  *経路探索 ,  エージェント ,  認識 ,  *最短路問題 ,  シミュレーション ,  探索行動 ,  確率 ,  統計的推定 ,  尤度
準シソーラス用語： 環境認識 ,  再学習

分類 (1件)： その他のオペレーションズリサーチの手法  (KA03070E)

引用文献 (3件)：

• OUDEYER, P. Y. Intrinsic Motivation Systems for Autonomous Mental Development. IEEE Trans. EC. 2007, 11, 2, 265-286
• 山本尚幸. 内発的動機付けを用いた移動ロボットの行動計画. 電子情報通信学会技術研究報告. 2008, 107, 542, 301-306
• 田中芳典. グリッドベース地図誤差に基づく好奇心を内部報酬とする強化学習. ニューロコンピューティング研究会. 2009

タイトルに関連する用語 (3件)： 強化学習 ,  環境 ,  経路探索