文献

J-GLOBAL ID：201802276105935316   整理番号：18A0191570

まれな破局的事件と計画のための発見的方法【Powered by NICT】

Heuristics for planning with rare catastrophic events

著者 (3件)： Kim Youngjun (Department of Aeronautics and Astronautics, Stanford University, 496 Lomita Mall Stanford, CA 94305, USA) ,  Gur Yonatan (Graduate School of Business, Stanford University, 655 Knight Way Stanford, CA 94305, USA) ,  Kochenderfer Mykel J. (Department of Aeronautics and Astronautics, Stanford University, 496 Lomita Mall, Stanford, CA 94305, USA)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： WSC  ページ： 3030-3041  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
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： 高次元Markov決定過程をモンテカルロ木探索のようなオンラインサンプリングベース法を用いて解かれることが多い。大きな負の報酬を伴う稀な大惨事を含む問題は,そのようなアプローチのための非常に挑戦的である。難しさは探索木を拡張するための一般的な政策が適切に稀な大きな負の報酬を扱うことができ,値の高い分散推定値を導くことができないために生じた。本論文では,一般的なアルゴリズムの性能に及ぼすまれな破局的事件と報酬構造の影響を研究し,モンテカルロ木探索のための強化されたツリー政策戦略を提案した。数値実験により,提案した方法は確率的多腕の盗ぞくから航空機再経路選定問題への問題領域の種々の性能を大幅に改善できることを示唆した。Copyright 2018 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： *発見的方法 ,  航空機 ,  経路選定 ,  高次元 ,  アルゴリズム
準シソーラス用語： 数値実験 ,  分散推定 ,  探索木 ,  モンテカルロ木探索 ,  Markov決定過程 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  ゲーム理論  (KA03060T)

タイトルに関連する用語 (3件)： 事件 ,  計画 ,  発見的方法