行動選択肢の確率的変動を伴う多段意思決定問題に対する強化学習法

摘要

強化学習は多段意思決定問題を解くことに向いているが、現実に存在する多段意思決定問題の多くは確率的な変動を含hでおり、行動選択時にはリスクが生じる．このような問題に対して，従来の強化学習では期待値に基づく考え方により一意的に解を導くが，意思決定者の主観に応じて最適な解は様々であるため，本研究では意思決定者の主観を考慮して最適な解を導くことのできる強化学習法を提案する．さらに，現実の問題で変動の生起確率が既知であることは少ないため，学習と同時に確率の推定も行い，確率と価値の収束性について検討する．