文献

J-GLOBAL ID：202002252980976674   整理番号：20A1701408

マルチエージェント協調巡回問題における交渉を通じたエージェントの計画停止の自律的な学習手法の提案

Proposal of Autonomous Learning Method to Stop Agents by Design through Negotiation in Multi-agent Cooperative Patrol Problem

著者 (2件)： 立木創太 (早稲田大) ,  菅原俊治 (早稲田大)
資料名： 人工知能学会全国大会論文集(Web)  (Proceedings of the Annual Conference of JSAI (Web))
巻： 34th  ページ： ROMBUNNO.1P4-GS-7-03 (WEB ONLY)  発行年： 2020年 
JST資料番号： U1701A  ISSN： 2758-7347  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： 本研究では,マルチエージェント巡回問題において,一度に複数台のエージェントを停止させたときに生じるパフォーマンスの急激な悪化を緩和する手法を提案する。近年の人工知能(AI)への関心の高まりの中で,エージェントの数は増加し続けている。また,ロボットの利用も身近になっており,巡回問題のような複数のエージェントが協調する機会が今後増加すると予想される。これまでマルチエージェント巡回問題を扱った研究はすでに多く存在するが,複数台のエージェントがインスペクションや交換などにより計画的に一斉に停止をする,計画停止を考慮した効率の良い手法はまだ提案されていない。本研究では,巡回清掃問題を例題として,既存の手法をベースに,新たな交渉手段を追加することで,急激なパフォーマンス低下を緩和する手法を提案する。提案手法の効果を確認するため,評価指標を用いて計画停止前後のパフォーマンスの悪化を従来手法と比較し,従来手法よりもパフォーマンスの低下が抑制できることを示す。また,別の評価指標を用いて,提案手法が巡回清掃以外でも有効であることを議論する。(著者抄録)

シソーラス用語： *マルチエージェントモデル ,  行為 ,  協力 ,  折衝 ,  停止 ,  *清掃 ,  実験 ,  *強化学習 ,  指標 ,  平面グラフ ,  評価指標 ,  評価実験 ,  性能最適化
準シソーラス用語： パフォーマンス最適化 ,  協調 ,  交渉 ,  巡回

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 (10件)： マルチエージェント ,  協調 ,  巡回 ,  交渉 ,  エージェント ,  計画 ,  自律 ,  学習 ,  手法 ,  提案