抄録
本論文では，必要な最低限の情報のみを利用し，学習するためのアルゴリズムである行動変化点学習（TSL）を提案する．先行研究として状態行動対を鎖状に繋げていく鎖型状態行動学習（CFRL）を提案し，Q学習と同様の動作をより少ない使用メモリで実現することを確認できた．しかし，それでもなお不必要な周辺の状態行動対も保持されてしまう．そこで，行動の変化する点のみに注目することで必要最低限の情報だけで学習と行動ができるように学習手法を改良した．この手法の性能をQ学習とCFRLと比較するために，ゴール探索問題を用いてシミュレーション実験を行った．その結果，従来手法よりも低メモリで同等の学習精度をもつことを確認した．また本実験では，Q学習と比べると最大で約1/200にまでメモリを削減することができた．
