文献

J-GLOBAL ID：202102241994602006   整理番号：21A1390420

マルチエージェント深層強化学習における独立Q学習のための同期nステップ法【JST・京大機械翻訳】

Synchronous n-Step Method for Independent Q-Learning in Multi-Agent Deep Reinforcement Learning

著者 (6件)： Gong Xudong (National University of Defense Technology) ,  Ding Bo (National University of Defense Technology) ,  Xu Jie (University of Leeds) ,  Wang Huaimin (National University of Defense Technology) ,  Zhou Xing (National University of Defense Technology) ,  Jia Hongda (National University of Defense Technology)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2019  号： SmartWorld/SCALCOM/UIC/ATC/CBDCom/IOP/SCI  ページ： 460-467  発行年： 2019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： 経験再生メモリ(ERM)は,政策ネットワークを訓練し,オフポリシー深層強化学習におけるデータ利用を改善するために,脱相関データをサンプリングするための有効なツールである。しかしながら,ERMは,その保存経験が,IQLのエージェントが並列にそれらのポリシーを更新するので,マルチエージェント深層強化学習(MA-DRL)における独立Q学習(IQL)の訓練プロセスの変動を導入する。訓練におけるデータの潜在力を広範囲に探索しながら,obsolte経験の影響を減らすことは,IQLにおいて大きな課題を提起する。したがって,著者らは,完全に ob解の経験を除くが,低いデータ利用問題に悩まされる同期nステップ法を提案した。次に,著者らは,obsolte経験の影響を減らし,データ利用を強化することの間のバランスを作るERMヘルプ同期nステップ法を提案した。著者らは,これらの方法をレンズ深い強化学習に適用し,LSnDQNおよびLESnDQNアルゴリズムを提案し,次に,協調マルチエージェントオブジェクト輸送問題の幾つかの拡張変動において試験した。結果は,LSnDQNが,より少ない反復による訓練に関して大きな利点を有するが,LDQN上の計算時間に関して利点がなく,一方,LESnDQNは,LDQNとLSnDQNの両方に関して計算時間に関して大きな利点を有することを示した。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 ,  記憶装置 ,  レンズ ,  ネットワーク ,  輸送問題 ,  *エージェント ,  *強化学習
準シソーラス用語： *Q学習 ,  データ利用 ,  *マルチエージェント ,  *深層強化学習 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： マルチエージェント ,  深層強化学習 ,  Q学習