エージェント間情報共有によるマルチエージェント強化学習手法の改良

カテゴリ: 研究会(論文単位)

論文No: ST21040,CT21076

グループ名: 【C】電子・情報・システム部門 システム/【C】電子・情報・システム部門 制御合同研究会

発行日: 2021/12/01

タイトル(英語): Improvement of multi-agent reinforcement learning with information sharing among agents

著者名: 林田 智弘(広島大学),西崎 一郎(広島大学),関崎 真也(広島大学),劉 啓(広島大学)

著者名(英語): Tomohiro Hayashida(Hiroshima University),Ichiro Nishizaki(Hiroshima University),Shinya Sekizaki(Hiroshima University),QI LIU(Hiroshima University)

キーワード: 強化学習|マルチエージェント|情報共有|マルコフ決定過程|Reinforcement learning|Multi agent|Information sharing|Markov decision process

要約(日本語): マルチエージェントシステム（MAS）では，強化学習による方策学習が難しい．エージェント間で情報共有する方法が提案されており，他のエージェントの経験を参照することで学習効率が向上することが示されている．一方で，共有される情報によっては，必ずしも学習効率が向上するとは限らない．本研究では，エージェントが一部の情報を共有することで，学習効率を向上させる強化学習手法を構築する．

要約(英語): In a multi-agent system (MAS), learning of the appropriate policies by reinforcement learning is difficult. To avoid such difficulty, information sharing among agents has been introduced, and it is indicated that learning efficiency can be improved by referring to the experiences of other agents. However, depending on shared information, the learning efficiency may not necessarily be improved. This study constructs a reinforcement learning method that improves learning efficiency by allowing agents to share a part of information. This study conducts simulation experiments with limited information sharing among agents in MAS to indicate the effectiveness of the proposed method.

本誌: 2021年12月4日システム/制御合同研究会

本誌掲載ページ: 11-15 p

原稿種別: 日本語

PDFファイルサイズ: 1,026 Kバイト