文献

J-GLOBAL ID：201702251516606305   整理番号：17A1720796

期待平均報酬基準の下での年12月POMDPのための集中最適化【Powered by NICT】

Centralized Optimization for Dec-POMDPs Under the Expected Average Reward Criterion

著者 (4件)： Jiang Xiaofeng (Department of Automation, University of Science and Technology of China, Hefei, China) ,  Wang Xiaodong (Department of Electrical Engineering, Columbia University, New York, NY, USA) ,  Xi Hongsheng (Department of Automation, University of Science and Technology of China, Hefei, China) ,  Liu Falin (Department of Electric Engineering and Information Science, University of Science and Technology of China, Hefei, China)
資料名： IEEE Transactions on Automatic Control  (IEEE Transactions on Automatic Control)
巻： 62  号： 11  ページ： 6032-6038  発行年： 2017年 
JST資料番号： C0223A  ISSN： 0018-9286  CODEN： IETAA9  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,離散状態と活動空間を伴う分散部分観測マルコフ決定プロセス(Dec-POMDP)システムは,勾配の観点から研究した。Dec POMDPは最近,部分的に観測可能な確率的環境におけるマルチエージェント意思決定を最適化するための有望な方法として出現した。しかし,Dec-POMDPフレームワークの地域型の性質は,共有信念状態,意思決定者は局所情報に基づいてシステム状態を推定するために不可能にしているの不足を生じた。信念ベース政策とは対照的に,本論文では,分散観測に基づく政策,容易に適用される最適化に焦点を当て,共有問題を持たない。目的関数の勾配を解析することにより,単一サンプルパスからの勾配推定値に基づいて最適ポリシーを見つけるために集中確率的勾配政策反復アルゴリズムを開発した。このアルゴリズムは,特定の仮定を必要とせず,最も実用的なDec-POMDP問題に適用できる。一つの数値事例によって本アルゴリズムの有効性を実証するために提供した。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： 意思決定者 ,  意思決定 ,  アルゴリズム ,  *最適化 ,  目的関数
準シソーラス用語： 反復アルゴリズム ,  マルチエージェント ,  *POMDP , 【Automatic Indexing@JST】

分類 (2件)： システム設計・解析  (IA02030D) ,  システム同定  (IA02040O)

タイトルに関連する用語 (5件)： 期待 ,  平均 ,  報酬 ,  POMDP ,  最適化