文献

J-GLOBAL ID：202102276945467790   整理番号：21A2696618

マルチエージェント型深層強化学習による地域の資源循環施策の導出

著者 (1件)： 石田武志 (水産大)
資料名： マリンエンジニアリング学術講演会講演論文集
巻： 91st  ページ： 269-270  発行年： 2021年 
JST資料番号： S0822A  ISSN： 1346-1435  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・本研究では,個々の資源循環システムの運転を担うエージェントを考え,そのエージェントが相互作用しながら自己組織的に配置を形成する条件の明確化を検討。
・セルオートマトンモデルで,チューリングパターンなどの自己組織化現象を応用して,エージェントによるシステムの「群れ」の形成が可能なことを提示。
・それぞれのエージェントはDQNなどの強化学習法に基づく学習機能により,運転状況の実績などを学習しながら,最適運用方法の導出モデルを検討。
・マルチエージェントが個々の目標を達成しつつ,相互作用により社会全体の資源循環を生み出すための行動方策の導出を考えていくことが必要と指摘。

シソーラス用語： *エージェント ,  *強化学習 ,  *循環 ,  相互作用 ,  セルラオートマトン ,  パターン形成 ,  自己集合
準シソーラス用語： *マルチエージェント ,  *深層強化学習 ,  *資源循環 ,  セルオートマトンモデル ,  Turingパターン ,  自己組織

分類 (2件)： 船舶性能  (QJ02010Q) ,  船舶構造・材料  (QJ03020I)

引用文献 (6件)：

• 石田武志,石田雅照,津田稔,生駒信康,発泡スチロール系漂着ゴミの資源循環システムのための経済性評価基礎モデル,水産大学校研究報告 67巻2号,pp79-90(2019.1)
• 石田武志,深層強化学習による発泡スチロール系漂着ゴミの資源循環システムの導入方策の導出,第90回マリンエンジニアリング学術講演会 講演論文集,pp287-288(2020.10)
• Mnih, V. et. al. : Human-level control through deep reinforcement learning, Nature, vol.518, pp.529-533(2015)
• Turing A M. : The chemical basis of morphogenesis. Philos. Trans. R. Soc. Lond. B. Biol. Sci. 237: 37-72 (1952).
• Young D A A. : local activator-inhibitor model of vertebrate skin patterns. Math. Biosci. 72: 51-58 (1984).

タイトルに関連する用語 (6件)： マルチエージェント ,  深層強化学習 ,  地域 ,  資源循環 ,  施策 ,  導出