複素行動価値を適用したQ学習における学習効率向上のための考察

摘要

人間の学習過程をコンピュータ上で再現することを目的に行われてきた研究として強化学習[1] がある．本研究では，強化学習の実用上の問題点である不完全知覚問題を解決するための手法のひとつとして提案されている複素強化学習[2] を，フィールド設定手法や更新方法などの点において改善し，従来手法との比較検討を行った．また，Q-learningが行動価値と文脈を別々に保持している点に着目し，行動価値をエージェントが共有できる問題ごとに一貫した行動規則と見なしてエージェント間で複素行動価値の絶対値を継承することを提案し，その有効性を検証した．