文献

J-GLOBAL ID：201702264707527712   整理番号：17A1392803

政策反復法に基づく適応型動的計画法アルゴリズムを用いたマルチプレーヤのための離散時間非ゼロ和ゲーム【Powered by NICT】

Discrete-Time Nonzero-Sum Games for Multiplayer Using Policy-Iteration-Based Adaptive Dynamic Programming Algorithms

著者 (4件)： Zhang Huaguang (College of Information Science and Engineering, Northeastern University, Shenyang, China) ,  Jiang He (College of Information Science and Engineering, Northeastern University, Shenyang, China) ,  Luo Chaomin (Department of Electrical and Computer Engineering, University of Detroit Mercy, Detroit, MI, USA) ,  Xiao Geyang (College of Information Science and Engineering, Northeastern University, Shenyang, China)
資料名： IEEE Transactions on Cybernetics  (IEEE Transactions on Cybernetics)
巻： 47  号： 10  ページ： 3331-3340  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,新しいポリシー反復法(PI)を用いた適応動的計画法(ADP)法による離散時間(DT)非線形システムのクラスのための非ゼロ和ゲームを研究した。提案PI方式の主なアイデアは,反復制御政策,安定性を達成するため,各プレーヤのための性能指数関数を最小化するシステムを保証するだけでなく,を得るために反復ADPアルゴリズムを利用することである。本論文では,多層のためのDT非零和ゲームを定式化し,処理するためにゲーム理論,最適制御理論と強化学習技術統合した。三アクター-クリティックアルゴリズム,オフラインと二オンラインを設計,PI方式。続いて,ニューラルネットワークを用いて,これらのアルゴリズムを実装し,対応する安定性解析を,Lyapunov理論を介して提供した。最後に,数値シミュレーションの例は筆者らの提案アプローチの有効性を実証するために提示した。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： *アルゴリズム ,  強化学習 ,  ニューラルネットワーク ,  定式化 ,  *非ゼロ和ゲーム ,  指数関数 ,  安定性解析 ,  ゲーム理論 ,  *逐次近似 ,  *動的計画法 ,  非線形系 ,  *ゼロ和ゲーム
準シソーラス用語： 数値シミュレーション ,  *プレイヤ ,  *政策反復 , 【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)： 政策反復 ,  動的計画法 ,  アルゴリズム ,  マルチ ,  プレーヤ ,  非ゼロ和ゲーム