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。
遷移動力学が非定常である場合でも,協調マルチエージェント強化学習(MARL)における分散ポリシーを最適化するための信頼領域限界を示した。この新しい解析は,MARLに対する2つの最近のアクター-批評法の強い性能の理論的理解を提供し,両者は,独立比,即ち,各エージェントの政策に対して別々に計算確率比に依存する。著者らは,独立比を引き起こす非定常性にもかかわらず,単調な改善保証が,すべての分散政策に対する信頼領域制約を強制する結果として,まだ発生することを示した。また,この信頼領域制約を,訓練におけるエージェントの数に基づく独立比を結合することによって,原理的に効果的に実行することができ,近位比クリッピングの理論的基礎を提供した。最後に,著者らの経験的結果は,IPPOとMAPPOの強い性能が,集中訓練におけるクリッピングを通してそのような信頼領域制約を強制する直接的結果であり,著者らの理論解析によって予測されたように,エージェントの数に関してハイパーパラメータを調整するという仮説を支持した。【JST・京大機械翻訳】