マルチエージェントシステムにおける行動制御- PSOにおける重み係数の強化学習-

摘要

マルチエージェント学習には方策こう配法を用いた自律分散型の強化学習が有効である．この応用例として，本論文ではPSOによる連続関数の最小値探索問題への適用を試みた．PSOでは各粒子の速度を決定する運動方程式の中に，それまでに発見された自己べストとグループべストの地点への引力の強さを表す重み係数が含まれている．通常，これらの重み係数はシステム作成者が全粒子に対して一律の固定値を与える．本研究では，PSOの探索モデルをべースに方策こう配法が適用可能な新たな探索モデルを提案する．本 探索モデルにおいては，重み係数は一律である必要はなく，粒子ごとに異なる値をとることが可能である．これは粒子に個性をもたせることに相当する．また，引力だけではなく斥力を考慮することも可能となる学．習により得られ係た数重の評価実験として，7種類のテスト関数を用いたべンチマークテストを行った．その結果から本探索モデルにおける学習能力の有効性を確認することができた．