組織学習と状況のクラスタリングを導入した状況変化に適応可能な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: ST16003

グループ名: 【C】電子・情報・システム部門 システム研究会

発行日: 2016/03/08

タイトル(英語): Adaptive multi-agent reinforcement learning systems using organization-learning and situational clustering algorithm

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: マルチエージェント|強化学習|組織論|組織学習|クラスタリング|Ｆｕｚｚｙ－ＡＲＴ|multi-agent|reinforcement learning|organizational theory|organization learning|clustering|Fuzzy-ART

要約(日本語): 近年の産業システムの大規模・複雑化を背景に，システムの頑健性や柔軟性の向上が期待できる，マルチエージェント強化学習システムが注目されている。マルチエージェントシステムに求められる能力の一つとして，状況変動への適応がある。本研究では，社会学の組織論の分野で研究されている組織学習の概念と，状況のクラスタリングシステムを導入した，状況変動にすばやく適応可能なマルチエージェント強化学習システムを提案する。

要約(英語): Multi-agent reinforcement learning systems are very effective for performing large and complex tasks. Such systems are required to adapt to situational changes. In this paper, the author propose an adaptive multi-agent reinforcement learning system using organization-learning and situational clustering algorithm that enables knowledge obtained by the agents' learning to be stored and to adapt to situational changes by using the stored knowledge.

原稿種別: 日本語

PDFファイルサイズ: 609 Kバイト