マルチエージェント強化学習のための共有経験アクター-批評【JST・京大機械翻訳】

Christianos Filippos; Schaefer Lukas; Albrecht Stefano V.

プレプリント

J-GLOBAL ID：202202209593456855 整理番号：21P0035349

マルチエージェント強化学習のための共有経験アクター-批評【JST・京大機械翻訳】

Shared Experience Actor-Critic for Multi-Agent Reinforcement Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (3件)： , ,
資料名：
発行年： 2020年06月12日プレプリントサーバーでの情報更新日： 2021年05月19日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

マルチエージェント強化学習における探索は,特にスパース報酬を有する環境において,挑戦的な問題である。エージェント間の経験共有による効率的な探索のための一般的方法を提案した。Shared Experience Actor-Crit(SEAC)と呼ばれる提案アルゴリズムは,アクター-批評フレームワークにおける経験共有を適用する。スパース報酬マルチエージェント環境の収集におけるSEACを評価し,それは,より少ないステップで学習し,より高いリターンに収束することにより,2つのベースラインと2つの最先端アルゴリズムよりも一貫して優れていることを見出した。いくつかのより硬い環境において,経験共有は,タスクを解決して,すべてで学習しない学習の間の差異を作った。【JST・京大機械翻訳】

, ,
, 【Automatic Indexing@JST】

人工知能

, , , ,

前のページに戻る