| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2007-06-15 09:25 内部状態を用いた強化学習によるマルチエージェント系における協調行動の獲得 ○谷口雄基・森 健・石井 信（奈良先端大）  NC2007-15 |
|
| 抄録 | （和） | 本報告では, 内部状態を用いた強化学習法により, 部分観測環境のもとでマルチエージェントによる協調行動が効率良く実現できることを実験により示す. ここでは, マルコフ性を持つ内部状態を方策の入力変数として導入し, その遷移確率を方策勾配法により学習する. 各エージェントは他のエージェントと環境のダイナミクスの特徴を内部状態遷移モデルとして抽出し, そのモデルを用いることで, 最適な協調行動をとることができるようになる. コンピュータシミュレーションにより, 各エージェントが適切な内部状態モデルを学習し, 最適な方策を学習できることを示す. また, 内部状態を用いる手法が, 観測を記憶するためのメモリを用いた手法より優れていることを示す. |
| （英） | In this article, we apply a policy gradient-based reinforcement learning to allowing multiple agents to perform cooperative actions in a partially observable environment. We introduce an auxiliary state variable, an internal state, whose stochastic process is Markov, for extracting important features of multi-agent's dynamics. Computer simulations show that every agent can identify an appropriate internal state model and acquire a good policy; this approach is shown to be more effective than a traditional memory-based method. | |
| キーワード | （和） | 部分観測環境 / 内部状態 / 方策勾配法 / マルチエージェントシステム / 協調行動 / / / |
| （英） | Partially observable environments / Internal state / Policy gradient method / Multi-agent system / Cooperative action / / / | |
| 文献情報 | 信学技報, vol. 107, no. 92, NC2007-15, pp. 41-45, 2007年6月. | |
| 資料番号 | NC2007-15 | |
| 発行日 | 2007-06-07 (NC) | |
| ISSN | Print edition: ISSN 0913-5685 Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | NC2007-15 |
|
| 研究会情報 | |
| 研究会 | NC |
| 開催期間 | 2007-06-14 - 2007-06-15 |
| 開催地（和） | 沖縄科学技術研究基盤整備機構 |
| 開催地（英） | OIST Seaside House |
| テーマ（和） | 機械学習によるバイオデータマインニング，一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | NC |
| 会議コード | 2007-06-NC |
| 本文の言語 | 日本語 |
| タイトル（和） | 内部状態を用いた強化学習によるマルチエージェント系における協調行動の獲得 |
| サブタイトル（和） | |
| タイトル（英） | Reinforcement Learning for Cooperative Actions in a Partially Observable Multi-Agent System |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 部分観測環境 / Partially observable environments |
| キーワード(2)（和/英） | 内部状態 / Internal state |
| キーワード(3)（和/英） | 方策勾配法 / Policy gradient method |
| キーワード(4)（和/英） | マルチエージェントシステム / Multi-agent system |
| キーワード(5)（和/英） | 協調行動 / Cooperative action |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 谷口 雄基 / Yuki Taniguchi / タニグチ ユウキ |
| 第1著者 所属（和/英） | 奈良先端科学技術大学院大学 (略称： 奈良先端大) Nara Institute of Science and Technology (略称： NAIST) |
| 第2著者 氏名（和/英/ヨミ） | 森 健 / Takeshi Mori / モリ タケシ |
| 第2著者 所属（和/英） | 奈良先端科学技術大学院大学 (略称： 奈良先端大) Nara Institute of Science and Technology (略称： NAIST) |
| 第3著者 氏名（和/英/ヨミ） | 石井 信 / Shin Ishii / イシイ シン |
| 第3著者 所属（和/英） | 奈良先端科学技術大学院大学 (略称： 奈良先端大) Nara Institute of Science and Technology (略称： NAIST) |
| 講演者 | 第1著者 |
| 発表日時 | 2007-06-15 09:25:00 |
| 発表時間 | 25分 |
| 申込先研究会 | NC |
| 資料番号 | NC2007-15 |
| 巻番号（vol） | vol.107 |
| 号番号（no） | no.92 |
| ページ範囲 | pp.41-45 |
| ページ数 | 5 |
| 発行日 | 2007-06-07 (NC) |
[研究会発表申込システムのトップページに戻る]