文献

J-GLOBAL ID：201702228552330427   整理番号：17A1392809

不完全情報を用いた制約付きエネルギー取引ゲームのための強化学習【Powered by NICT】

Reinforcement Learning for Constrained Energy Trading Games With Incomplete Information

著者 (5件)： Wang Huiwei (College of Electronic and Information Engineering, Southwest University, Chongqing, China) ,  Huang Tingwen (Texas A&M University at Qatar, Doha, Qatar) ,  Liao Xiaofeng (College of Electronic and Information Engineering, Southwest University, Chongqing, China) ,  Abu-Rub Haitham (Texas A&M University at Qatar, Doha, Qatar) ,  Chen Guo (School of Electrical Engineering and Computer Science, University of Newcastle, Callaghan, NSW, Australia)
資料名： IEEE Transactions on Cybernetics  (IEEE Transactions on Cybernetics)
巻： 47  号： 10  ページ： 3404-3416  発行年： 2017年 
JST資料番号： W0791A  ISSN： 2168-2267  CODEN： ITCEB8  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 本論文では,不完全情報で個々に戦略的プレーヤー間の制約されたエネルギー取引ゲームのNash均衡(NE)を適応学習アルゴリズムを設計する問題を考察した。このゲームでは,各プレーヤは自身の平均効用を最大化するための彼/彼女の個人情報に基づく行動確率分布を生成するための学習オートマトン方式を使用する。許容混合戦略の一つは,確率1で北東に収束するならば,平均有用性と取引量はそれらの期待値に収束するほぼ確実であることを示した。与えられた不連続価格関数に対して,効用関数は,混合戦略NEの存在を保証する上部半連続と利得安全であることが証明されている。正則化されたLagrange関数の厳密な対角凹面により,NEの一意性も保証されている。最後に,適応学習アルゴリズムを混合戦略北東を求めるための戦略確率分布を生成した。Copyright 2017 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： *強化学習 ,  利得 ,  期待値 ,  確率分布 ,  一意性 ,  不連続性 ,  Nash均衡 ,  正則化 ,  *ゲーム ,  効用関数 ,  学習アルゴリズム ,  ラグランジアン
準シソーラス用語： 学習オートマトン ,  プレイヤ ,  *不完全情報 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (6件)： 不完全情報 ,  制約 ,  エネルギー ,  取引 ,  ゲーム ,  強化学習