強化学習エージェントの方策情報ベクトル表現を用いた学習効率化に関する研究

摘要

本研究では，動的環境における強化学習の効率化を目的とした手法を提案する．先行研究の多くは，手法の実装や計算にかかるコストが大きかったり，環境変化への適応に多大な試行数が必要になるといった問題点があった．提案手法では，方策学習の過程で得られる情報を多次元ベクトル表記した上で，単純な演算処理によって環境変化の有無を試行毎に判断することで既得方策の補正を実現する．また，計算機実験により提案手法の特性を評価する．