不確実性の下での満足化を通じた最適化

抄録

最適化に対比される概念として、ある価値基準を境界とした「良い」と「悪い」への環境の分節化に基づく「満足化」がある。本研究で提案する満足化のモデルは、従来のポリシーレベルでなく価値関数のレベルで実装され、直感的な基準パラメータを一つのみ持つのみにも関わらず、基本的な強化学習タスクにおいて優れたパフォーマンスを示し、また人間の意志決定や判断に現れるいくつかの認知的な特性を再現する。