強化学習における報酬値探索へのGAの適用

抄録

クラシファイアシステムの学習では、報酬値の設定によって学習の収束の早さが異なってくる。一方で、報酬値の設定には、決定指標が無く、経験則によって決めなくてはならないという問題がある。この問題の解決のため、本研究ではGAを用いて、報酬値の準最適解を自動的に探索することを提案する。