個人と集団の関係に基づき報酬を調整するマルチエージェント強化学習

カテゴリ: 部門大会

論文No: GS10-5

グループ名: 【C】平成20年電気学会電子・情報・システム部門大会講演論文集

発行日: 2008/08/20

タイトル(英語): Multi-Agent Reinforcement Learning with Ajusted Reward Based on Relationship between Individual and Group

著者名: 内藤昭一 (千葉大学),小圷 成一(千葉大学),岡本 卓(千葉大学),平田 廣則(千葉大学)

著者名(英語): Shoichi Naito(Chiba University),Seiichi Koakutsu(Chiba University),Takashi Okamoto(Chiba University),Hironori Hirata(Chiba University)

キーワード: マルチエージェント|強化学習|社会的ジレンマ社会的ジレンマ|Multi-Agent|Reinforcement Learning|social dilemma

要約(日本語): 近年,マルチエージェントシステムの研究が盛んに行われており,中でもエージェントが自律的に適切な行動を獲得する強化学習による接近法が注目されている。

　マルチエージェントシステムでは,複数の自律主体が相互作用を及ぼしあうため,個人と集団の関係が複雑となる。例えば,個人の利益の追求が,集団としては不利益となる「社会的ジレンマ」と呼ばれる状況が存在する。このジレンマ状況において,自らの利益を最大化するエージェントは集団の状態を悪化させるため,あらかじめ利益を放棄するような設計が必要である。しかし,現実のマルチエージェント環境では,常にジレンマが生じるわけではなく,環境は動的に変化する。したがって,エージェントは特定の状況だけでなく様々な状況に適応する必要がある。

　そこで,本研究では,エージェントが自律的に状況を判断し,環境に適応する学習法を提案する。

PDFファイルサイズ: 3,699 Kバイト