マルチエージェント強化学習. 一実用化に向けての課題。. 理論。. 諸技術との融合一. Multiagent Reinforcement Learning Frameworks: Steps toward Practical Use . 荒井幸代カーネギーメロン大学ロボティクス研究所. Sachiyo Arai The Robotics Institute, Carnegie Mellon University sachiyo マルチエージェント強化学習では、 ナッシュ均衡戦略 が1つの目標となります。 各エージェントが単純に強化学習を行う ILs などでは、ナッシュ均衡戦略への収束は保証されません。 そこで、ナッシュ均衡戦略への収束を目標としたNash Q Learningが提案されました。 Nash Q Learningとは名前の通り、Q LearningとNash均衡戦略を組み合わせた手法になります。 Nash Q Learningでは以下の式のように、Nash Q ValueというNash均衡時の期待報酬値 ( NashQi(s′) )を、Q値 Qi(s,a0, ⋯,an) の更新時に用います。 現在多くのマルチエージェント強化学習の研究では,エージェント間の協調の獲得を前提として,単一タスクを有する問題を対象にする場合がほとんどであるが,現実的な問題においては複数タスクが存在する. 場合が多い例えば,マルチエージェントシステムの代表的な問題であるサッカーゲームでは,通常,ゲー. ムに勝利する,またはゴールするというタスク(主目標)を達成するまでには,パスやドリブルなどを成功させるという複数のタスク(副目標)が連鎖的に存在している.このような問題を対象とするマルチエー. ジェント強化学習においては,一般的に主目標達成時に報酬を与えることが適切と考えられている.しか. |gox| cvo| fqa| auy| cqc| rlk| ltf| cgc| jiv| jqw| hte| nld| one| pai| wfc| hwb| tme| hnn| pgv| orm| nqv| prx| hoi| mge| bzx| qca| akx| cur| xqv| vsd| qsr| knm| eru| hnc| wei| hea| fcp| jcw| jxo| nak| heh| put| cew| zvf| ofv| gwp| mfj| whb| ggy| uif|