@techreport{oai:ipsj.ixsq.nii.ac.jp:00095245,
 author = {山﨑大地 and 中田雅也 and 高玉圭樹},
 issue = {12},
 month = {Sep},
 note = {本論文では，難解な部分マルコフ決定過程 （PoMDPs） 環境において最適な方策を獲得するために，複素強化学習 （Complex-Valued Reinforcement Learning : CVRL） を用いた学習分類子システム （CVRL-based Classifier System: CVRL-CS） を提案する．計算機実験では，従来手法 （Q-Learning と ZCSM） が適用困難な PoMDPs 環境として，a) 状態空間が大きい環境，b) 不完全知覚の特性が異なる環境に提案手法を適用したところ，1) 提案手法は，従来手法よりも少ない学習回数で高い学習性能を実現し，2) 従来手法が学習不可能であるのに対し，初期状態が不完全知覚となる問題においても，提案手法は最適な方策を獲得可能であることを示した．},
 title = {複素強化学習を用いた学習分類子システムによるPoMDPs環境への展開},
 year = {2013}
}