文献

J-GLOBAL ID：202202251803411060   整理番号：22A0619549

有限遷移確率集合に対するロバスト強化学習

Robust Reinforcement Learning for Finite Transition Probability Set

著者 (2件)： 大坪立サミュエル (京大) ,  泉田啓 (京大)
資料名： 計測自動制御学会関西支部・システム制御情報学会シンポジウム講演論文集(CD-ROM)  (計測自動制御学会関西支部・システム制御情報学会シンポジウム(CD-ROM))
巻： 2021  ページ： ROMBUNNO.B1-3  発行年： 2022年01月07日 
JST資料番号： L2343B  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・有限MDP(Markov decision process)の有限集合に対する確率的最短経路問題を定義。
・設定した問題に対する準最適方策の導出。
・数値例として迷路問題を検討することで,提案手法が有限MDPの有限集合に対するコストの上限を抑えることを提示。

シソーラス用語： *強化学習 ,  Markov過程 ,  最短路問題 ,  遷移確率 ,  集合 ,  迷路【経路】 ,  解 ,  ロバスト性
準シソーラス用語： Markov決定過程 ,  最短経路問題 ,  準最適解

分類 (1件)： 人工知能  (JE08000Z)

引用文献 (8件)：

• A. S. Polydoros and L. Nalpantidis: Survey of model-based reinforcement learning: applications on robotics. J. Intell. Robotics Syst., 86-2, 153/173 (2017)
• R. Sutton and A. Barto: Reinforcement learning: an introduction, MIT Press (1998)
• J. Morimoto and K. Doya: Robust reinforcement learning. Neural computation, 17-2, 335/359 (2005).
• D. P. Bertsekas and S. E. Shreve: Stochastic optimal control: the discrete-time case, Athena Scientific (1996)
• M. Duff: Design for an optimal probe, Proc. of the 19th Intl. Conf. on Machine Learning (ICML), 131/138 (2003)

タイトルに関連する用語 (4件)： 遷移確率 ,  集合 ,  ロバスト ,  強化学習