抄録
ARTは入力と記憶の類似度にもとづいて認識カテゴリを適応的に生成・成長させる教師なしニューラルネットワークであり, 安定性と可塑性のジレンマを回避することを目的としたシステムである.
本研究では, 動的環境である対戦型ゲームにおいて, 対戦相手の戦略変化に適応可能な学習システムを提案する. 提案システムでは, ファジィARTによって分類された記憶のカテゴリがプレーヤに状態として与えられる. そして, 経験強化型の強化学習法の1つであるprofit sharingを用い, 分類された状態空間に対応する行動選択を最適化する. 対戦環境はfighting action gameとし, 提案システムにより学習を行う学習プレーヤと, 複数の行動パターンを持つ敵プレーヤとの対戦実験を行う. 実験結果より, 学習プレーヤは敵プレーヤに対し適応的な戦略学習ができることを示す.
