連続値入力空間における強化学習アルゴリズムに関する考察

抄録

　従来の制御システムでは事前に組み込まれたプログラムに従い行動を決定するため、想定外の問題が生じた時にシステム自身がその解決策を導くことは困難とされている。そこで、システム自体が試行錯誤を行うことで自律的に学習し行動決定を行う強化学習が注目されている。しかし、強化学習には実環境のような連続値入力空間に直接適用できないという問題がある。　本稿では、適用が困難とされていた実環境への適用に対応するために、システム自身が連続値入力空間における状態と出力を定義して学習する手法について考える。