WEKO3
アイテム
Sarsaエージェントによる囚人のジレンマゲームでの相互協調の継続回数
https://ipsj.ixsq.nii.ac.jp/records/205255
https://ipsj.ixsq.nii.ac.jp/records/2052550d1f19a4-4898-4dba-b1c7-b3648c96a93e
| 名前 / ファイル | ライセンス | アクション |
|---|---|---|
IPSJ-Z82-2R-08.pdf (155.6 kB)
|
Copyright (c) 2020 by the Information Processing Society of Japan
|
| Item type | National Convention(1) | |||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 公開日 | 2020-02-20 | |||||||||||||||
| タイトル | ||||||||||||||||
| タイトル | Sarsaエージェントによる囚人のジレンマゲームでの相互協調の継続回数 | |||||||||||||||
| 言語 | ||||||||||||||||
| 言語 | jpn | |||||||||||||||
| キーワード | ||||||||||||||||
| 主題Scheme | Other | |||||||||||||||
| 主題 | 人工知能と認知科学 | |||||||||||||||
| 資源タイプ | ||||||||||||||||
| 資源タイプ識別子 | http://purl.org/coar/resource_type/c_5794 | |||||||||||||||
| 資源タイプ | conference paper | |||||||||||||||
| 著者所属 | ||||||||||||||||
| 名工大 | ||||||||||||||||
| 著者所属 | ||||||||||||||||
| 名工大 | ||||||||||||||||
| 著者所属 | ||||||||||||||||
| 名工大 | ||||||||||||||||
| 著者所属 | ||||||||||||||||
| 中部大 | ||||||||||||||||
| 著者所属 | ||||||||||||||||
| 名工大 | ||||||||||||||||
| 著者名 |
百武, 佳輝
× 百武, 佳輝
× 森山, 甲一
× 武藤, 敦子
× 松井, 藤五郎
× 犬塚, 信博
|
|||||||||||||||
| 論文抄録 | ||||||||||||||||
| 内容記述タイプ | Other | |||||||||||||||
| 内容記述 | 囚人のジレンマゲームで長期に渡って報酬を最大化するには相互協調が継続することが必要である。しかし強化学習エージェントのように自分の報酬の最大化を目的とする場合、協調を選択することは稀である。これまで強化学習の手法の一つであるQ学習エージェントについて、相互協調発生後の価値関数の挙動から相互協調の継続回数について議論がされてきた。ブートストラップ型強化学習で行動価値を学習する手法は方策オフ型のQ学習と方策オン型のSarsaに分けられるため、本研究ではSarsaにおける相互協調の継続回数を求めることで、行動価値を学習するブートストラップ型強化学習の囚人のジレンマゲームにおける挙動を議論する。 | |||||||||||||||
| 書誌レコードID | ||||||||||||||||
| 収録物識別子タイプ | NCID | |||||||||||||||
| 収録物識別子 | AN00349328 | |||||||||||||||
| 書誌情報 |
第82回全国大会講演論文集 巻 2020, 号 1, p. 273-274, 発行日 2020-02-20 |
|||||||||||||||
| 出版者 | ||||||||||||||||
| 言語 | ja | |||||||||||||||
| 出版者 | 情報処理学会 | |||||||||||||||
