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。
協調マルチエージェント強化学習(MARL)における最近の成功は集中訓練と政策共有に依存する。集中訓練は,非定常MARLの問題を除外するが,大きな通信コストを誘導し,そして,政策共有は,あるタスクにおける効率的学習に経験的に重要であるが,理論的正当化を欠いている。本論文では,エージェントが,ポリシー共有が最適でないというような均一性の特定の形式を示す,協調Markovゲームのサブクラスを形式的に特徴付ける。これにより,コンセンサス更新が,収束を保証しながらアクターと批判の両方に適用される,最初のコンセンサスベース分散アクター-批評法を開発することができた。また,訓練中の通信コストを低減するため,集中訓練と同程度のポリシーを生成する,分散アクター-批評法に基づく実用的アルゴリズムも開発した。【JST・京大機械翻訳】