ステップごとに報酬が周期的に変化する環境における強化学習の一考察

摘要

以前著者は、回路理論におけるフェーザ表示をもちいてエピソードごとに望ましい行動を変化させる強化学習の手法を提案している。この手法は、フェーザ表示によって振幅·位相のみを扱うことで学習を可能にする手法であるが、本稿が対象とするようなステップごとに望ましい行動が変化するような対象には適用することができない。そこで本研究では、望ましい行動が一定の周期で変化する環境において、時刻に応じた行動知識を獲得できる強化学習手法を提案し、その有効性を確認する。