マルチエージェントシステムにおけるデータ共有を用いた深層強化学習手法

カテゴリ: 部門大会

論文No: TC5-3

グループ名: 【C】2023年電気学会電子・情報・システム部門大会

発行日: 2023/08/23

タイトル(英語): Deep reinforcement learning with data sharing on multi-agent system

著者名: 浅野 光太郎（広島大学）,林田 智弘（広島大学）,西崎 一郎（広島大学）,関崎 真也（広島大学）

著者名(英語): Kotaro Asano (Hiroshima University),Tomohiro Hayashida (Hiroshima University),Ichiro Nishizaki (Hiroshima University),Shinya Sekizaki (Hiroshima University)

キーワード: 深層強化学習|データ共有|マルチエージェントシステムマルチエージェントシステム|deep reinforcement learning|data sharing|multi-agent system

要約(日本語): 近年，幅広い分野の研究においてマルチエージェントシステム（MAS）の重要性が増している．MASにおけるエージェントの学習については多くの研究が報告されており，特にエージェントの経験データの効率的利用に関する議論が活発化している．Lowe et al.( 2017)はエージェントの学習データを共有する手法によって学習効率の向上に成功した．Liu et al. (2021)はMASのエージェントが一部の学習データを共有する学習手法を提案し，全ての学習データを共有した場合と比較しより良い学習結果を示し，全ての経験データを共有することがエージェントの学習効率を必ずしも向上させるわけではないことが示された．本研究では，エージェントの学習精度や効率の向上を目的として，行動傾向の類似度に基づくエージェント間の効果的なデータ共有方法を提案し，シミュレーション実験によりその有効性を示す．