文献

J-GLOBAL ID：201702292036923622   整理番号：17A0133118

探索問題におけるフィルタリングと粗視化を用いたマルチエージェント強化学習について

著者 (3件)： 湯徳尊久 (早稲田大) ,  杉山歩未 (早稲田大) ,  菅原俊治 (早稲田大)
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： 116  号： 350(AI2016 12-23)  ページ： 55-60  発行年： 2016年12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： 本研究では,複数のエージェントにおける探索問題において,回収に複数体のエージェントが必要な対象物が複数種類ある環境を想定し,効率的な協調行動の学習法を提案する。強化学習は行動学習の有効な手段であるが,本問題に従来手法を適用した場合,環境が複雑で大規模になるほど状態数は爆発的に増加し,学習効率の低下とメモリ量の増大により学習が困難となる。そこで本研究では,フィルタリングによって視野から得られる情報を制限し,さらに粗視化を用いて学習で発生する状態空間を抽象化する手法を提案する。これにより学習で発生する状態数を削減し,効果的に学習できることを二次元グリット空間を用いたシミュレーションにより示し,その能力の特徴と限界を議論する。(著者抄録)

シソーラス用語： *探索問題 ,  *フィルタリング ,  *近似法 ,  エージェント ,  *強化学習 ,  *シミュレーション
準シソーラス用語： 粗視化 ,  マルチエージェント

分類 (2件)： 人工知能  (JE08000Z) ,  ロボットの運動・制御  (IC04012J)

タイトルに関連する用語 (5件)： 探索問題 ,  フィルタリング ,  粗視化 ,  マルチエージェント ,  強化学習