追跡問題における状態数固定法とＱ学習の有効性

抄録

　本論文では，追跡問題に特化した手法であるICOOP（Intelligent Co-operative Pursuit）にQ学習を組み込むICOOP-Qを提案する．ICOOPでは状態行動空間の重みが固定であったため環境が大きくなると性能が落ちるが，ICOOP-Qは状態行動空間を学習することで環境が大きくなった場合にも性能を落とさないことを数値実験により示す．また，完全知覚Q学習では状態数の増加により学習が困難である広い空間に対してもICOOP-Qは有効であることを実験により確認する．