抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
未知因子Markov決定プロセス(FMDP)における平均報酬基準の下でのレグレット最小化タスクを考察した。より具体的には,状態行動空間Xと状態空間SがX=.x._i=1 ̄nX_iとS=.x._i=1 ̄mS_iのそれぞれの因子形を付加するFMDPを考察し,遷移と報酬関数は既知の因数分解構造を仮定してXとSに因数され,それは遷移関数の個々の要素に対して定義されたBernstein型信頼集合に依存する,DBN-UCRLと呼ばれる一般的UCRL2戦略に触発された新しいレグレット最小化戦略を導入した。一般的な因数分解構造に対して,DBN-UCRLは,S_iのサイズおよび関連する直径関連項に対する依存性に関して,既存のレグレット限界よりも厳密に改善するレグレット境界を達成することを示した。さらに,因数分解構造がいくつかの基底MDPのデカルト積に対応するとき,DBN-UCRLのレグレットは,ベースMDPのレグレットの合計によって上限されることを示す。標準的な環境に関する数値実験を通して,DBN-UCRLは,頻繁なレグレット保証を持つ既存のアルゴリズムに対して経験的にレグレットを大幅に改善することを示した。【JST・京大機械翻訳】