動的環境におけるマルチエージェント同時学習に関する考察

抄録

S-MAL においては、Explorationは動的環境に追従するために必須である一方、 他のエージェントにとっての外乱要因となる。その追従性と外乱性のトレード オフを探るため、学習における相互作用に対称性を仮定し、同時学習の形式化 を行う。その形式化を元に、トレードオフを顕在化し、適切な Exploration-Exploitation 比の存在と限界について議論する。