Performance Analysis of a Reinforcement Learning Agent Using Multivariate Analysis Method Based on Dimension Reduction

基于降维的多元分析方法的强化学习智能体性能分析

• 批准号: 19500172
• 负责人: KAMAYA Hiroyuki
• 金额: $ 2.83万
• 依托单位: Hachinohe National College of Technology
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2007
• 资助国家: 日本
• 起止时间: 2007 至 2008
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-19500172/
• 关键词: 強化学習; 関数近似; 自律移動ロボット; 機械学習; エージェント; 統計数学; ハイパフォーマンス・コンピューティング; 知能ロボティクス

高次元の連続状態空間を直接扱うことのできるモデル追加型の強化学習アルゴリズムを開発した。このアルゴリズムの最大の特徴は、関数近似器のパラメータをうまく設定することで、モデル数を小さく抑えつつも良好な学習性能を実現できる点にある。このため、まず、パラメータの挙動解析を行い、最良のパラメータを見出した。つぎに、10次元の連続状態空間をもつ移動ロボットの移動障害物回避問題に適用し、有効性を確認した。

High dimensional continuous state space is directly connected to the system. The largest characteristic of this class is that the number of approximators is set to a small number, and good learning performance is achieved. This is the best way to solve the problem. The 10-dimensional state space is suitable for mobile obstacle avoidance.

项目成果

連続状態空間のための強化学習アルゴリズム

连续状态空间的强化学习算法

• 发表时间: 2007
• 期刊: 八戸工業高等専門学校紀要 42号
• 作者: 釜谷博行; 阿部健一
• 通讯作者: 阿部健一

強化学習のための局所重み付き回帰手法を用いた価値関数近似

使用局部加权回归方法逼近强化学习的价值函数

• 发表时间: 2008
• 作者: 一井宏次;釜谷博行
• 通讯作者: 釜谷博行

適応周波数推定法の検討とその一応用

自适应频率估计方法及其应用研究

• 发表时间: 2007
• 作者: 工藤憲昌;田所嘉昭
• 通讯作者: 田所嘉昭

関数近似手法を用いた強化学習アルゴリズム

使用函数逼近法的强化学习算法

• 发表时间: 2008
• 期刊: 八戸工業高等専門学校紀要 43号
• 作者: 釜谷博行;藤村敦子;工藤憲昌;阿部健一
• 通讯作者: 阿部健一

高次元連続状態空間における強化学習-局所重み付き回帰手法を用いた価値関数近似-

高维连续状态空间中的强化学习 - 使用局部加权回归方法逼近价值函数 -

• 发表时间: 2009
• 作者: 一井宏次;釜谷博行;工藤憲
• 通讯作者: 工藤憲