文献

J-GLOBAL ID：202202272267176354   整理番号：22A0844842

強化学習に基づくグループ意思決定におけるコンセンサス改善のための適応アルゴリズム【JST・京大機械翻訳】

An adaptive algorithm for consensus improving in group decision making based on reinforcement learning

著者 (6件)： Hengsheng Zhang (Northwestern Polytechnical University, School of Computer Science, Xi’an, Shanxi, China) ,  Hengsheng Zhang (The 20th Research Institute Of China Electronics Technology Group Corporation, Xi’an, Shanxi, China) ,  Rui Zhu (Northwestern Polytechnical University, School of Computer Science, Xi’an, Shanxi, China) ,  Quantao Wang (Northwestern Polytechnical University, School of Computer Science, Xi’an, Shanxi, China) ,  Haobin Shi (Northwestern Polytechnical University, School of Computer Science, Xi’an, Shanxi, China) ,  Hwang Kao-Shing (National Sun Yat-Sen University, Department of Electrical Engineering, Kaohsiung, Taiwan)
資料名： Journal of the Chinese Institute of Engineers  (Journal of the Chinese Institute of Engineers)
巻： 45  号： 2  ページ： 161-174  発行年： 2022年 
JST資料番号： A0737B  ISSN： 0253-3839  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： イギリス (GBR)  言語： 英語 (EN)

抄録/ポイント： 相互選好関係を有するグループ意思決定問題において,意思決定者の間の個々の一貫性とコンセンサス度を改善するプロセスは,動的で反復的である。従来の自動コンセンサス到達プロセスは,意思決定環境の動力学,個々の一貫性の破壊などを考慮しない決定論的環境における固定戦略の採用のようないくつかの問題を持っている。これらの問題を解決するために,動的環境における適応コンセンサス到達モデルを本論文で提案した。最初に,Q学習アルゴリズムを用いて,マトリックス修正の種々の意思決定状態のための環境モデルを構築した。小さなマトリックス偏差で選好行列を修正する前提で,意思決定者間のコンセンサス度を改善するために,最適修正戦略が学習された。第二に,報酬関数を用いて到達するコンセンサスのプロセスにおける個々の一貫性を制御する方法を提案した。最後に,いくつかの数値例を用いて,提案したアルゴリズムの有効性と実現可能性を例示した。実験結果は,提案したアルゴリズムが小さなマトリックス偏差における意思決定者のコンセンサス度を著しく改良して,意思決定者の個々の一貫性が破壊されないことを確実にする。Please refer to the publisher for the copyright holders. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  *意思決定 ,  環境モデル ,  有効性 ,  意思決定者 ,  一貫性 ,  *強化学習
準シソーラス用語： *適応アルゴリズム ,  Q学習 ,  動的環境 ,  決定論 ,  *グループ意思決定 ,  報酬関数 , 【Automatic Indexing@JST】

著者キーワード (3件)： グループ意思決定 ,  コンセンサス ,  強化学習

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 強化学習 ,  グループ意思決定 ,  コンセンサス ,  適応アルゴリズム