役割分担を考慮して組織学習を行う経験共有マルチエージェント強化学習システム

カテゴリ: 研究会(論文単位)

論文No: CT18120

グループ名: 【C】電子・情報・システム部門 制御研究会

発行日: 2018/12/16

タイトル(英語): Parallel reinforcement learning with allocation of roles based on organization-learning

著者名: 舘山 武史(愛知工科大学)

著者名(英語): Takeshi Tateyama(Aichi University of Technology)

キーワード: 経験共有マルチエージェント強化学習システム|探索|報酬獲得|組織学習|Ｑ学習|ｋ－確実探査法|parallel reinforcement learning|exploration|exploitation|organization learning|Q-learning|k-certainty exploration method

要約(日本語): 本研究では，強化学習の高速化を目的とした，役割分担を考慮した「組織学習」を行うマルチエージェント強化学習システムを提案する．具体的には，個々のエージェントに「報酬獲得優先」「探索優先」さらに「優先的に探索すべき状態」などの役割を設定する．これらの役割は，個々のエージェントの学習経験を統合して得られる「組織知識」を基に設定される．これにより，探索行動の重複が減少し，強化学習の高速化が期待できる．

要約(英語): The authors propose a new strategy for parallel reinforcement learning. We define the exploitation agents and the exploration agents. Each exploration agent has unique state area it preferentially explore to prevent overlapping of exploration. This strategy is executed based on the concept of organization-learning. By using this strategy, the construction of the optimal value function is expected.

原稿種別: 日本語

PDFファイルサイズ: 1,383 Kバイト