強化学習に基づく最適経路発見問題における 対話型多目的意思決定手法の開発

摘要

複数の目的関数を同時に最適化する多目的最適化問題は, 古くから経済学やシステム工学など，様々な分野において研究が行われている.例えば，て自律的に行動するロボットなどを運用する場合，目的地への移動，障害物等の回避，エネルギー残量など様々な目的を同時に考慮しながら，状況が変化するたびにロボット自身が適切な行動を選択することが求められる.Druganは，ロボットなどの自律的な行動主体が連続的に意思決定する必要のある多目的最適化問題に対して強化学習手法を適用することは，パレート最適解集合の発見に有効であり，今後，様々な多目的最適化手法を取り入れた強化学習手法の開発が活発になることを示唆している.本研究では，特に連続して意思決定を行う必要のある多目的最適化問題に対する最適化手法を開発する.%If there exist multiple Pareto solutions for a multi-objective optimization problem, the solution which is most preferred by a decision maker should be chosen rationally in consideration of the trade-off relation between all objectives. However, complicated procedures are required to identify the preference structure of the decision maker. This study develops an interactive decision making method based on reinforcement learning for optimal route finding problems which are extended into multi-objective decision making problem and conducts numerical experiments.