あるクラスのジレンマ問題に対する期待方策強化学習法

摘要

本論文では、確率ゲームによって記述されるジレンマ問題に対して最適な方策を得る強化学習手法を提案する。我々は先に、全てのエージェントが他のエージェントにより良い方策を期待する学習手法を提案しており、これを期待方策強化学習法と呼hでいる。この期待すべき方策を求めるためには状態行動組空間の十分な探査が必要であるが、先の手法では探査に多大な時間を必要としていた。本論文ではこの探査部分を効率化した期待方策強化学習法を提案することで、より広いクラスの問題に対応できるようにしている。