強化学習におけるQテーブルの最大固有値を用いた空間分割方法の変更タイミングの決定

摘要

強化学習の代表的な手法であるQ 学習では，連続状態空間や連続行動空間を扱う際，空間の離散化を行う必要がある．本研究では，より適した離散化を行うために，空間分割方法を学習の進度に応じて変更させた．また，その変更タイミングを手動で設定するのではなく，自動的に適切な変更タイミングを定めるために，Q テーブルの最大固有値を求めて指標とする手法を提案し，考察を行った．