抄録/ポイント：
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
不確実性マルチエージェントの逐次決定は,人工知能研究の分野における重要な研究問題であり,他のエージェントの相互作用におけるエージェントの意思決定を最適化する。特に,部分可観測性のランダムゲームの設置の下で,エージェントは実際の外部環境状態を検出できないので,受信観察によって推定可能状態を推定する必要がある。エージェントの相互作用は主に共通の環境状態に対する影響によって、それぞれの意思決定の報酬を決定するので、どのようにマルチエージェント間の相互作用をモデリングするかは、この問題の核心的な任務である。現在,大部分の研究は主に全体知能システムのモデリングを行い,集中計画と分散制御の解決機構を採用した。最初に,すべてのエージェントの連合決定を統一的に計算した。この解決技術は、すべてのエージェントにグローバル環境に対して共通の知識仮説を必要とするため、この研究作業は一般に協調型のマルチエージェントシステムにしか適用できない。次に,対話型動的影響グラフは,個人意思決定者の角度から,不確実性を有するマルチエージェントの逐次意思決定問題の一般的なモデリング方式である。対話型動的影響グラフモデルを解決する主な困難は,複雑なエージェントの相互モデリングである。特に競争環境下では,エージェントの相互コミュニケーションの機会を欠くため,他のエージェントの真のモデルも予知できず,他のエージェントの振舞いを予測,推論することで,自身の動作を決定する必要がある.主要な解法は,他のエージェントの可能なモデルを仮定することであり,次に,これらの可能なモデルを解くことによって,エージェントの挙動を予測することである。他のエージェントの選択モデルは非常に多く,そして,決定時間の経過とともに,モデルの不確実性は増加し,可能なモデルは指数的に増大する。現在の大量のインタラクティブな動的影響グラフの研究に基づき、本文では帰納モデルの具体的な表現方式と解決方法を総括し、それに基づいて新たなモデル解決方法を提案した。巨大な他のエージェント選択モデル空間に対して、新しい方法は研究モデルの選択技術に重点を置き、モデル選択問題を一つの構造最適Kモデルの関数最適化問題に変換する。最適化の目標は,できるだけ多くの他のエージェントのモデル空間をカバーできるKモデルの最大程度で,新しい関数最適化問題はNP困難であった。目標関数の単調なサブモード特性のマイニングにより,この最適化問題を急速に解決し,解の品質を理論的に保証した。さらに,現在の近似法のランダム性とパラメータ設定の複雑性を,新しい方法によって克服した。この方法は,古典的コンピュータゲームの分野で多くの実験検証を得て,強い実用化能力を示した。Data from Wanfang. Translated by JST.【JST・京大機械翻訳】
