マルチエージェントの標準問題のひとつに、追跡問題がある。我々は、より現実に近いモデルにするために、Hunter の視覚に段階的視覚を導入し、さらに両眼視に基づく段階的視覚を提案し、このような視覚でも Hunter はファジィ Q-learning により行動を学習し、Prey を捕獲できることを示した。そして、前回、各 Hunter が通信により得た情報も用いて、学習・行動する機能を追加した。視覚から得た情報のうちのどの部分を通信するのがよいかのいくつかの組み合わせについて、ファジィ Q-learning により学習し、その捕獲能力を調べた。このとき、視覚情報用の Q 表から得られる行動と通信情報用の Q 表から得られる行動を一定の割合で考慮した。しかし、視覚情報のみよりも良い結果は得られなかった。そこで、今回は、2 つの Q 表から得られる行動を考慮する割合を状況に応じて、動的に変化させるようにした。そして、この割合を Q 学習により学習させることにより視覚のみよりも良い結果が得られた。
