5R-1
行動傾向規範に従った学習率の動的調節による適応的強化学習
○三村明寛，加藤昇平（名工大）
エージェントが試行錯誤を通じて自律的に制御則を学習・獲得する
強化学習では，学習率や割引率等のメタパラメータを適切に設定す
る必要がある．従来は，設計者のチューニングによりメタパラメータ
を固定値で設定していた．しかしながら，チューニングは設計者の
負担であるだけでなく，固定値のメタパラメータでは動的な環境下
において適切な学習を行うことは困難であると考えられる．本稿で
は，学習の速さと安定性のトレードオフをとるメタパラメータである
学習率に着目し，これを各状態（行動）の学習進度に応じて自律的に
調節することによる適応的な強化学習手法を提案する．また，動的環
境において，提案手法の有効性を確認する．