文献

J-GLOBAL ID：201802228935917415   整理番号：18A1495116

迷路問題における内部報酬を用いた強化学習に基づくマルチエージェント協調

Multi-Agent Cooperation Based on Reinforcement Learning with Internal Reward in Maze Problem

著者 (6件)： UWANO Fumito (The University of Electro-Communications) ,  TATEBE Naoki (The University of Electro-Communications) ,  TAJIMA Yusuke (The University of Electro-Communications) ,  NAKATA Masaya (The University of Electro-Communications) ,  KOVACS Tim (University of Bristol) ,  TAKADAMA Keiki (The University of Electro-Communications)
資料名： SICE Journal of Control, Measurement, and System Integration  (SICE Journal of Control, Measurement, and System Integration)
巻： 11  号： 4  ページ： 321-330(J-STAGE)  発行年： 2018年 
JST資料番号： L7831A  ISSN： 1882-4889  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 英語 (EN)

抄録/ポイント： 本論文では,マルチエージェント協調タスクのための内部報酬による強化学習技術を紹介した。提案した方法は,通常の(外部)報酬をエージェント協調のための内部報酬に変えるQ学習の拡張である。具体的には,ここでは,2つのQ学習法を提案し,どちらもコミュニケーションが少ないか全くないために内部報酬を用いる。提案した方法の有効性を保証するために,以下の問題を解決するメカニズムを理論的に導出しており,その問題とは(1)コミュニケーションの少ない条件下でのエージェント間の協調を保証するために内部報酬をどのように設定すべきか,そして(2)協調行動タイプ(すなわち,エージェントの協調行動の種類)の値がコミュニケーションのない条件下でどのように更新されるべきかである。エージェント協調タスクのための迷路問題に関する集中的シミュレーションによって,著者らの2つの提案した方法はコミュニケーションが少ないか否かにかかわらず,それらの協調行動をうまく獲得でき,従来の方法(Q学習)は常にそのような行動の獲得に失敗することを明らかにした。(翻訳著者抄録)

シソーラス用語： *マルチエージェントシステム ,  *行動 ,  *強化学習 ,  賃金 ,  迷路【経路】 ,  コミュニケーション ,  アルゴリズム
準シソーラス用語： *Q学習 ,  ジレンマ ,  *協調行動 ,  報酬

著者キーワード (5件)： 理論的方法 ,  マルチエージェントシステム ,  強化学習 ,  内部報酬 ,  協調

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (15件)：

• [1] Y.-J. Kim, K.-H. Park, and J.-H. Kim: Modular Q-learning based multi-agent cooperation for robot soccer, Robotics and Autonomous System, Vol. 35, No. 2, pp. 109-122, 2001.
• [2] M. Camara, O. Bonham-Carter, and J. Jumadinova: A multi-agent system with reinforcement learning agents for biomedical text mining, Proceedings of the 6th ACM Conference on Bioinformatics, Computational Biology and Health Informatics, BCB '15, pp. 634-643, New York, NY, USA, 2015.
• [3] H. Iima and Y. Kuroe: Swarm reinforcement learning methods improving certainty of learning for a multi-robot formation problem, CEC, pp. 3026-3033, May 2015.
• [4] Y. Ichikawa and K. Takadama: Designing internal reward of reinforcement learning agents in multi-step dilemma problem, Journal of Computational Intelligence and Intelligent Informatics, JACIII, Vol. 17, No. 6, pp. 926-931, 2013.
• [5] M. Gini M. Elidrisi, N. Johnson, and J. Crandall: Fast adaptive learning in repeated stochastic games by game abstraction, AAMAS, pp. 1141-1148, May 2014.

タイトルに関連する用語 (5件)： 迷路 ,  報酬 ,  強化学習 ,  マルチエージェント ,  協調