失敗確率伝播アルゴリズムEFPAの提案とマルチエージェント環境下での有効性の検証

• 村岡 宏紀

  日野自動車(株) エンジン設計部

• 宮崎 和光

  独立行政法人大学評価・学位授与機構研究開発部

• 小林 博明

  明治大学大学院理工学研究科

書誌事項

タイトル別名

• Proposal of a Propagation Algorithm of the Expected Failure Probability and the Effectiveness on Multi-agent Environments
• シッパイ カクリツ デンパ アルゴリズム EFPA ノ テイアン ト マルチエージェント カンキョウ カ デ ノ ユウコウセイ ノ ケンショウ

抄録

It is known that Improved Penalty Avoiding Rational Policy Making algorithm (IPARP) can learn policies by a reward and a penalty. IPARP aims to identify penalty rules that have a high possibility to receive a penalty. Though IPARP is effective in many cases, it needs many trial-and-error searches due to memory constraints. In this paper, we propose a method called Expected Failure Probability Algorithm (EFPA) to speed it up. In addition, we extend EFPA to multi-agent environments. In multi-agent learning, it is important to avoid concurrent learning problem that occurs when multiple agents learn simultaneously. We also propose a method to avoid the problem and confirm the effectiveness by numerical experiments.

収録刊行物

• 電気学会論文誌Ｃ（電子・情報・システム部門誌）

  電気学会論文誌Ｃ（電子・情報・システム部門誌） 136 (3), 273-281, 2016

  一般社団法人 電気学会

キーワード

• 経験強化型学習
• 強化学習
• マルチエージェント学習
• 同時学習問題

詳細情報

• CRID: 1390001204607796736
• NII論文ID: 130005132275
• NII書誌ID: AN10065950
• DOI: 10.1541/ieejeiss.136.273
• ISSN: 13488155
• ISSN: 03854221
• NDL書誌ID: 027160085
• Web Site: https://ndlsearch.ndl.go.jp/books/R000000004-I027160085
• Web Site: https://www.jstage.jst.go.jp/article/ieejeiss/136/3/136_273/_pdf
• 本文言語コード: ja
• データソース種別:
  • JaLC
  • NDL
  • Crossref
  • CiNii Articles
  • KAKEN
• 抄録ライセンスフラグ: 使用不可