文献

J-GLOBAL ID：202002278918984460   整理番号：20A0249023

ランダムな試行の学習による15パズルの評価関数の構成

Construction of Evaluation Functions for the Fifteen Puzzle by Learning Random Trials

著者 (2件)： 山本修身 (名城大学理工学部情報工学科) ,  伊藤康太 ((株)ソフィックス名古屋支店)
資料名： 電気学会論文誌 C  (IEEJ Transactions on Electronics, Information and Systems)
巻： 139  号： 12  ページ： 1420-1426(J-STAGE)  発行年： 2019年 
JST資料番号： S0810A  ISSN： 0385-4221  資料種別： 逐次刊行物 (A)
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： 本論文では,パズルの移動のランダム試行を学習するニューラルネットワークを用いて,15のパズルに対する評価関数を提案した。評価関数によるIDAアルゴリズムを用いて,著者らは,平均において良く知られたManhattan距離に基づく評価関数として,より少ない探索ノードとして,約1/6600の時間で,15のパズルの問題を解決することができた。筆者らの評価関数を,Manhattan評価関数の積と1.3~1.7の定数を持つ非許容評価関数と比較し,計算時間を1/5から1/100に低減した。著者らは,15のパズルの目標パターンからの移動のランダム試行によって生成されたデータセットを使用した。データ集合に加えて,目標状態からの距離が20または22であり,試行系列において頻繁に出現するいくつかのパターンを選択し,パターンからランダムシーケンスを生成した。これらの集合を元のランダムシーケンスに加え,学習のためのニューラルネットワークにセットを与えることにより,評価関数をより効果的にすることができた。(翻訳著者抄録)

シソーラス用語： *数学的性質 ,  *学習 ,  *評価関数 ,  *娯楽 ,  ニューラルネットワーク ,  CPU時間 ,  集合 ,  信号系列
準シソーラス用語： データセット ,  *パズル ,  ランダム系列 ,  *ランダム性

著者キーワード (8件)： - ,  - ,  - ,  - ,  - ,  - ,  - ,  -

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (13件)：

• (1) 斎藤康毅:ゼロから作るDeep Learning-Pythonで学ぶディープラーニングの理論と実装。 O'Reilly Japan (2016)
• (2) 牧野貴樹・澁谷長史・白川真一・浅田 稔・麻生英樹・荒井幸代・飯間 等・伊藤 真・大倉和博・黒江康明・杉本徳和・坪井祐太・銅谷賢治・前田新一・松井藤五郎・南 泰浩・宮崎和光・目黒豊美・森村哲郎・森本 淳・保田俊行・吉本潤一郎:これからの強化学習。森北出版 (2016)
• (3) R. A. Hearn and E. D. Demaine: ゲームとパズルの計算量。上原隆平 訳,近代科学社(2011)
• (4) George T. Heineman, Gary Pollice, Stanley Selkow: アルゴリズムクイックリファレンス第2版。黒川利明,黒川 洋 訳。オーム社 (2016)
• (5) R. E. Korf: “Depth-first iterative-deepening: An optimal admissible tree search”, Artificial Intelligence, Vol. 27, No. 1, pp. 97-109 (1985)

タイトルに関連する用語 (4件)： 試行 ,  学習 ,  パズル ,  評価関数