文献

J-GLOBAL ID：202202234600369582   整理番号：22A0565341

マルチプレーヤ追跡回避ゲームのためのミニマックスQ学習【JST・京大機械翻訳】

Min-Max Q-learning for multi-player pursuit-evasion games

著者 (2件)： Selvakumar Jhanani (The Department of Aerospace Engineering and Engineering Mechanics, The University of Texas at Austin, United States) ,  Bakolas Efstathios (The Department of Aerospace Engineering and Engineering Mechanics, The University of Texas at Austin, United States)
資料名： Neurocomputing  (Neurocomputing)
巻： 475  ページ： 1-14  発行年： 2022年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 本論文では,強化学習と行列ゲーム理論からツールと技法を利用することによって,複数のプレーヤーを含む追跡回避ゲームに取り組んだ。特に,著者らは,一般に,高次元で計算的に難題な問題である,複数の追跡者による捕獲を避けながら,目標目的地に避難者をステアリングする問題を考察した。提案手法では,離散行列ゲームのシーケンスとしてマルチエージェント追跡回避ゲームを最初に定式化した。次に,解プロセスを単純化するために,高次元状態空間を低次元多様体に,連続動作空間を特徴ベース空間に変換し,元の空間の離散抽象化である。これらの変換状態と行動空間に基づいて,次に,ゲームのペイオフ行列の入力を作り出すために,min-maxQ学習を採用して,次に,各々の段階で回避者のために最適作用を得た。最後に,著者らは,計算効率と同様に,捕捉なしで所望の目標位置に到達するための回避能力に関して,提案した学習ベースの回避戦略の性能を評価するために,広範囲な数値シミュレーションを提示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 多様体 ,  *学習 ,  簡素化 ,  *ゲーム ,  ゲーム理論 ,  追跡 ,  高次元 ,  定式化 ,  連続操作 ,  強化学習
準シソーラス用語： 数値シミュレーション ,  計算効率 ,  *Q学習 ,  低次元 ,  マルチエージェント , 【Automatic Indexing@JST】

著者キーワード (3件)： マルチプレーヤゲーム ,  追跡回避 ,  強化学習

分類 (2件)： パターン認識  (JE07000S) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： マルチ ,  プレーヤ ,  追跡 ,  回避 ,  ゲーム ,  Q学習