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。
本論文では,不等専門知識を持つ組織間の競争の動力学を調べた。マルチエージェント強化学習を用いて,そのような不等式を相殺するように設計された様々なインセンティブスキームの影響をシミュレートし,理解した。よく知られたマルチエージェント-粒子-環境に基づくゲームであるTouch-Markを設計し,2チーム(弱,強)は不等であるが,スキルレベルを変えることは互いに競合する。そのようなゲームを訓練するために,筆者らは,サンプル空間を選択的に分割して,チームメート間の知的役割分割をトリガーする教師つきコントローラとともに,各エージェントをポリシーのアンサンブルで電力化する,新しいコントローラ支援マルチエージェント強化学習アルゴリズムを提案する。基礎となるフレームワークとしてC-MADDPGを用いて,両チームの最終報酬が同じになるような弱いチームに対するインセンティブ方式を提案した。インセンティブにもかかわらず,弱いチームの最終報酬は,強いチームの短さを落とすことを見出した。検査において,弱いチームのための全体のインセンティブ方式は,学習と改善のためにチームの中で弱いエージェントを奨励しないことを実現した。これを相殺するために,ここでは,より弱いプレーヤーを学習し,結果として,初期位相を越えた弱いチームが,より強力なチームとのparで実行することを観測した。本論文の最終目標は,2チームの報酬を連続的にバランスさせる動的インセンティブスキームを定式化することである。これは,環境から最小情報を取るRLエージェントで富化されたインセンティブスキームを考案することによって達成される。【JST・京大機械翻訳】