抄録
変動を含む多様な環境下での行動学習は，従来の強化学習法では限界がある．本研究は，ある環境対象のもとでの行為の仕方を学習する行動学習（強化学習による）と，環境対象が過去にQ-Tableを作成した際の環境対象とは異なるものであることを認識して，その類似性と差異性から環境対象に対する認識構造を分化させていく概念学習，の両者をハイブリッドに進める新たな強化学習アルゴリズムの提案を行う．そのために，Q-tableを複数用意することで学習を弁別的に進め，状況に応じて使用するQ-tableを切り替えることで，状況に応じた行為の学習を可能にする．倒立振子の制御問題等を例題としたシミュレーション結果とともに示す．
