文献

J-GLOBAL ID：202002249813824193   整理番号：20A2458614

多目的深層強化学習フレームワーク【JST・京大機械翻訳】

A multi-objective deep reinforcement learning framework

著者 (6件)： Nguyen Thanh Thi (School of Information Technology, Deakin University, Victoria, Australia) ,  Nguyen Ngoc Duy (Institute for Intelligent Systems Research and Innovation, Deakin University, Victoria, Australia) ,  Vamplew Peter (School of Science, Engineering and Information Technology, Federation University, Australia) ,  Nahavandi Saeid (Institute for Intelligent Systems Research and Innovation, Deakin University, Victoria, Australia) ,  Dazeley Richard (School of Information Technology, Deakin University, Victoria, Australia) ,  Lim Chee Peng (Institute for Intelligent Systems Research and Innovation, Deakin University, Victoria, Australia)
資料名： Engineering Applications of Artificial Intelligence  (Engineering Applications of Artificial Intelligence)
巻： 96  ページ： Null  発行年： 2020年 
JST資料番号： T0797A  ISSN： 0952-1976  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文は,深いQネットワークに基づく新しいスケーラブル多目的深層強化学習(MODRL)フレームワークを導入した。単一ポリシーとマルチポリシー戦略の両方をサポートする高性能MODRLフレームワークと,行動選択に対する線形および非線形アプローチの両方を開発した。2つのベンチマーク問題(2つの目的深い海 t環境および3目的の山岳Car問題)に関する実験結果は,提案したフレームワークがPareto最適解を効果的に見つけることができることを示した。提案フレームワークは一般的で高度にモジュール化され,異なる複雑な問題ドメインにおける異なる深層強化学習アルゴリズムの統合を可能にする。したがって,これは,現在の文献における標準多目的強化学習法に関係する多くの短所を克服する。提案したフレームワークは,ますます複雑な多目的問題を解くためのMODRLの開発を加速するテストベッドプラットフォームとして機能する。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アルゴリズム ,  ネットワーク ,  海洋 ,  線形性 ,  山岳 ,  ベンチマーク ,  *強化学習
準シソーラス用語： Pareto最適解 ,  テストベッド ,  モジュール化 ,  深層学習 ,  *深層強化学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： 強化学習 ,  多目的 ,  深層学習 ,  単一政策 ,  マルチポリシー

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (2件)： 深層強化学習 ,  フレームワーク