文献

J-GLOBAL ID：202102231417495672   整理番号：21A0003828

平均基準の下での連続制約付きMarkovゲームの平衡の発見【JST・京大機械翻訳】

Finding the Equilibrium for Continuous Constrained Markov Games Under the Average Criteria

著者 (5件)： Jiang Xiaofeng (Department of Automation, University of Science and Technology of China, Hefei, China) ,  Chen Shuangwu (Department of Automation, University of Science and Technology of China, Hefei, China) ,  Yang Jian (Department of Automation, University of Science and Technology of China, Hefei, China) ,  Hu Han (School of Information and Electronics, Beijing Institute of Technology, Beijing, China) ,  Zhang Zhenliang (Intel Labs, Qualcomm New Jersey Research Center, Bridgewater Township, NJ, USA)
資料名： IEEE Transactions on Automatic Control  (IEEE Transactions on Automatic Control)
巻： 65  号： 12  ページ： 5399-5406  発行年： 2020年 
JST資料番号： C0223A  ISSN： 0018-9286  CODEN： IETAA9  資料種別： 逐次刊行物 (A)
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： コスト制約と連続動作を有するMarkovゲームのために,単一決定メーカーの局所制約は,他の意思決定者によって取られた共同行動の相互作用結果であり,通常,望ましくない状態と政策にペナルティを課すことによって排除され,それはゲーム政策変化としてのペナルティの失敗と混合政策の非存在に悩まされるかもしれない。本論文では,この問題を解決するため,アクター--深層ニューラルネットワークのフレームワークを利用した。アクターネットワークは,混合政策を置き換えるための連続的純政策を確立し,そして,批判ネットワークは,グローバル相互作用結果を局所性能ポテンシャルに変換した。制約付き平衡平均目的のための局所探索を,非制約ミニマックス最適化に変換した。等価変換に基づいて,局所作用の最適性関数を与えて,グローバルシステムに及ぼす単一意思決定者の作用の影響を評価した。提案したアルゴリズムは,同時に局所制約乗算器と対策を逆方向に沿って反復し,新しいモノのインターネットにおける典型的輻輳制御数値結果は効率を示す。Copyright 2021 The Institute of Electrical and Electronics Engineers, Inc. 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 ,  最適化 ,  相互作用 ,  *ゲーム ,  ネットワーク ,  乗算器 ,  等価変換 ,  生産者 ,  局所性 ,  連続操作 ,  ペナルティ ,  意思決定者 ,  輻輳制御 ,  近傍探索法
準シソーラス用語： 最適性 , 【Automatic Indexing@JST】

分類 (5件)： 計算機網  (JC03000K) ,  通信理論一般  (ND02010V) ,  パターン認識  (JE07000S) ,  信号理論  (ND02020G) ,  人間機械系  (IB03000G)

タイトルに関連する用語 (5件)： 平均 ,  制約 ,  ゲーム ,  平衡 ,  発見