文献

J-GLOBAL ID：201802236238215252   整理番号：18A1416188

逆強化学習における制約条件の緩和法

Relaxation of constraint conditions in inverse reinforcement learning

著者 (2件)： 北里勇樹 (千葉大 大学院工学研究科) ,  荒井幸代 (千葉大 大学院工学研究科)
資料名： 人工知能学会全国大会論文集(CD-ROM)  (人工知能学会全国大会(CD-ROM))
巻： 31st  ページ： ROMBUNNO.2P4-2  発行年： 2017年 
JST資料番号： X0580B  ISSN： 1347-9881  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： 代表的な逆強化学習の一つであるNgの逆強化学習は制約付き最適化問題として定式化される。最適方策の獲得を保証するための制約条件は価値関数に基づいて計算されるが,大規模な環境においては,状態数に比例した制約条件数の増加により,問題の解決が困難となる。そこで本研究ではスケーラブルな逆強化学習を提案する。既存手法における制約条件を緩和し,計算機実験により,既存手法と比較する。(著者抄録)

シソーラス用語： *学習制御 ,  *制約付最適化問題 ,  *緩和法 ,  評価関数 ,  大規模系 ,  スケーラビリティ【計算機】 ,  計算機シミュレーション ,  評価試験
準シソーラス用語： 価値関数 ,  *逆強化学習 ,  計算機実験

分類 (2件)： 人工知能  (JE08000Z) ,  その他のオペレーションズリサーチの手法  (KA03070E)

タイトルに関連する用語 (3件)： 強化学習 ,  制約条件 ,  緩和法