強化学習における状態空間の自律的構成方法

スポンサーリンク

概要

論文の詳細を見る
強化学習は、環境から与えられる報酬をたよりにエージェント自らが最適な行動ルールを学習する。学習する行動ルールはエージェントが認識できる状態に基づいて決まるため、最適な状態空間の構成ができていなければ最適な行動ルールを学習することはできない。この問題を解決する方法としてエージェント自身が自律的に状態空間を分割する手法がある。本論文では、エージェントが状態空間を自律的に構成する手法として、線形近似を使った状態変化の統計的予測モデルに基づく状態空間の分割を用いる。環境が変化する場合に、この手法で状態空間の構築を行うための改良について述べる。また、改良した手法をカートアンドポール問題で適用した結果について考察する。
2001-01-10

著者

関連論文

もっと見る

スポンサーリンク