マルチエージェントシステムのための信頼度を用いた強化学習－相補ゲームにおける競合回避行動の獲得

摘要

本研究では，マルチエージェントシステムにおける競合問題の1つとして狭路問題を取り上げ，道を譲ったエージェントが先に通過したエージェントより不利益を被る報酬の非対称性と，エージェントの知覚能力が学習性能に与える影響について取り扱う．そして，均質なエージェント群が，強化学習により道を譲るエージェントと先に通過するエージェントに分化することで，エージェント間の競合を回避できることを示す．また，信頼度を用いて強化学習の割引率を自律的に調整することで，先行研究のようにエージェント間で報酬を分配·調整することなく，従来の強化学習より高い確率で競合回避行動を獲得できることを示す．そして，競合回避行動の獲得プロセスを分析し，信頼度が競合回避行動の獲得に対し有効に作用するメカニズムを解明する．次章では本研究で取り扱う狭路問題について説明し，3章では提案手法について詳述する．4章ではシミュレーション設定と実験結果について説明し，最後にまとめと今後の課題について述べる．