強化学習における行動選択戦略のパラメータと収益最大化の関係について

岩田 一貴; 池田 和司; 酒井 英昭

doi:10.11509/sci.SCI04.0.163.0

第48回システム制御情報学会研究発表講演会

セッションID: 5025

DOI https://doi.org/10.11509/sci.SCI04.0.163.0

会議情報

強化学習における行動選択戦略のパラメータと収益最大化の関係について

*岩田一貴, 池田和司, 酒井英昭

著者情報

キーワード: 強化学習, マルコフ決定過程, 典型系列, 確率的複雑さ

会議録・要旨集フリー

詳細

抄録

強化学習における収益最大化は行動選択戦略のパラメータに依存する確率的複雑さと呼ばれる値と環境に依存するある量に特徴づけられる．このうち，学習者が制御できるのは前者のみなので，パラメータの変化に対する確率的複雑さの感度が重要となる．本論では，パラメータを調整する上で有用なこの感度についての定理を示す．

責任著者(Corresponding author)

J-STAGEへの登録はこちら（無料）