| 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 | 2026-03-20 16:15 オンザフライ離散制御器合成における強化学習探索方策の学習環境と汎化性能の評価 ○石水優成（Science Tokyo）・生方寿英（早大）・牟 恩弘（西南）・李 家隆（早大）・鄭 顕志（Science Tokyo）  KBSE2025-71 |
|
| 抄録 | （和） | 離散事象システム（DES）におけるコントローラ合成は，システムの安全性や非ブロッキング性を保証する強力な手法であるが，構成要素の増加に伴う状態爆発問題が実用上の障壁となっている．この問題に対処するため，状態空間を部分的に生成しながら探索を行うオンザフライ指向性コントローラ合成（OTF-DCS）と，その探索指針（ヒューリスティック）を強化学習（RL）によって自動獲得する手法が提案されている．しかし，学習時に用いる環境設定（構成要素数や状態深度などのパラメータ）の違いが，未知のテストインスタンスに対する方策の汎化性能や頑健性にどのような影響を与えるかは十分に明らかにされていない．本稿では，Travel AgencyおよびBidding Workflowという2つのベンチマークモデルを用い，異なるパラメータ設定で学習された探索方策を広範な問題領域にゼロショット転移させることで，その解決能力と探索効率を評価する．実験の結果，対象ドメインが「全体的な合意形成」を要するか「局所的なリソース競合」が支配的かによって，最適な学習戦略が異なることが明らかとなった． |
| （英） | Controller synthesis for Discrete Event Systems (DES) ensures system safety and non-blocking properties but suffers from the state explosion problem. To mitigate this, On-the-fly Directed Controller Synthesis (OTF-DCS) combined with Reinforcement Learning (RL)-based heuristics has been proposed. However, the impact of training environment parameters (e.g., number of components, state depth) on the generalization performance and robustness of the learned policies against unknown test instances remains unclear. This paper evaluates the solvability and exploration efficiency of RL-based exploration policies trained under different parameter settings by zero-shot transfer to a wide range of problem instances using benchmarks such as Travel Agency and Bidding Workflow. The experimental results reveal that the optimal training strategy differs fundamentally depending on whether the target domain requires "global consensus formation" or is dominated by "local resource contention. | |
| キーワード | （和） | 離散事象システム / コントローラ合成 / オンザフライ探索 / 強化学習 / 汎化性能 / / / |
| （英） | Discrete Event Systems / Controller Synthesis / On-the-fly Exploration / Reinforcement Learning / Generalization Performance / / / | |
| 文献情報 | 信学技報, vol. 125, no. 423, KBSE2025-71, pp. 130-134, 2026年3月. | |
| 資料番号 | KBSE2025-71 | |
| 発行日 | 2026-03-12 (KBSE) | |
| ISSN | 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 | KBSE2025-71 |
|
| 研究会情報 | |
| 研究会 | KBSE |
| 開催期間 | 2026-03-19 - 2026-03-20 |
| 開催地（和） | 沖縄県総合福祉センター |
| 開催地（英） | Okinawa Prefectural General Welfare Center |
| テーマ（和） | 一般 |
| テーマ（英） | |
| 講演論文情報の詳細 | |
| 申込み研究会 | KBSE |
| 会議コード | 2026-03-KBSE |
| 本文の言語 | 日本語 |
| タイトル（和） | オンザフライ離散制御器合成における強化学習探索方策の学習環境と汎化性能の評価 |
| サブタイトル（和） | |
| タイトル（英） | Evaluation of Training Environments and Generalization Performance of RL-based Exploration Policies for On-the-fly Controller Synthesis |
| サブタイトル（英） | |
| キーワード(1)（和/英） | 離散事象システム / Discrete Event Systems |
| キーワード(2)（和/英） | コントローラ合成 / Controller Synthesis |
| キーワード(3)（和/英） | オンザフライ探索 / On-the-fly Exploration |
| キーワード(4)（和/英） | 強化学習 / Reinforcement Learning |
| キーワード(5)（和/英） | 汎化性能 / Generalization Performance |
| 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） | 石水 優成 / Yusei Ishimizu / イシミズ ユウセイ |
| 第1著者 所属（和/英） | 東京科学大学 (略称： Science Tokyo) Institute of Science Tokyto (略称： Science Tokyo) |
| 第2著者 氏名（和/英/ヨミ） | 生方 寿英 / Toshihide Ubukata / ウブカタ トシヒデ |
| 第2著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 第3著者 氏名（和/英/ヨミ） | 牟 恩弘 / Enhong Mu / |
| 第3著者 所属（和/英） | 西南大学 (略称： 西南) Southwest University (略称： SWU) |
| 第4著者 氏名（和/英/ヨミ） | 李 家隆 / Jialong Li / |
| 第4著者 所属（和/英） | 早稲田大学 (略称： 早大) Waseda University (略称： Waseda Univ.) |
| 第5著者 氏名（和/英/ヨミ） | 鄭 顕志 / Kenji Tei / |
| 第5著者 所属（和/英） | 東京科学大学 (略称： Science Tokyo) Institute of Science Tokyto (略称： Science Tokyo) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-03-20 16:15:00 |
| 発表時間 | 30分 |
| 申込先研究会 | KBSE |
| 資料番号 | KBSE2025-71 |
| 巻番号（vol） | vol.125 |
| 号番号（no） | no.423 |
| ページ範囲 | pp.130-134 |
| ページ数 | 5 |
| 発行日 | 2026-03-12 (KBSE) |
[研究会発表申込システムのトップページに戻る]