적대적 멀티 에이전트 환경에서 효율적인 강화 학습을 위한 정책 모델링

권기덕; 김인철

추천

검색

질문

자료유형: 학술저널

저자정보: 권기덕 김인철

저널정보: Korean Institute of Information Scientists and Engineers 정보과학회논문지 : 소프트웨어 및 응용 정보과학회논문지 : 소프트웨어 및 응용 제35권 제3호

발행연도: 2008.3

수록면: 179 - 188 (10page)

이용수

📌

연구주제

📖

연구배경

🔬

연구방법

🏆

연구결과

초록· 키워드

오류제보하기

멀티 에이전트 강화 학습에서 해결해야 할 중요한 문제는 자신의 작업 성능에 영향을 미칠 수 있는 다른 에이전트들이 존재하는 동적 환경에서 한 에이전트가 시행착오적 상호작용을 통해 어떻게 자신의 최적 행동 정책을 학습할 수 있느냐 하는 것이다. 멀티 에이전트 강화 학습을 위한 기존 연구들은 대부분 단일 에이전트 MDP 기반의 강화 학습기법들을 큰 변화 없이 그대로 적용하거나 비록 다른 에이전트에 관한 별도의 모델을 이용하더라도 다른 에이전트에 관해 요구되는 정보나 가정이 현실적이지 못하다는 한계점을 가지고 있다. 본 논문에서는 멀티 에이전트 강화 학습기술에 기초가 되는 기본 개념들을 정형화하고 이들을 기초로 기존 연구들의 특징과 한계점을 비교한다. 그리고 새로운 행동 정책 모델을 소개한 뒤, 이것을 이용한 강화 학습 방법을 설명한다. 본 논문에서 제안하는 멀티 에이전트 강화학습 방법은 상대 모델을 이용하는 기존의 멀티 에이전트 강화 학습 연구들에서 주로 시도되었던 상대 에이전트의 Q 평가 함수 모델 대신 상대 에이전트의 행동 정책 모델을 학습하며, 표현력은 풍부하나 학습에 시간과 노력이 많이 요구되는 유한 상태 오토마타나 마코프 체인과 같은 행동 정책 모델들에 비해 비교적 간단한 형태의 행동정책 모델을 이용함으로써 학습의 효율성을 높였다. 또한, 본 논문에서는 대표적인 적대적 멀티 에이전트 환경인 고양이와 쥐게임을 소개하고, 이 게임을 테스베드삼아 비교 실험들을 수행하고 그 결과를 설명함으로써 본 논문에서 제안하는 정책 모델 기반의 멀티 에이전트 강화 학습의 효과를 분석해본다.

#멀티 에이전트 #강화 학습 #정책 모델링 #상대 정책 모델 #Multiagent System #Reinforcement Learning #Opponent Policy Model

참고문헌 (12)

참고문헌 신청

1. [보고서] - Yang E. / 2004 / Multiagent Reinforcement Learning for Multi-Robot Systems: A Survey

2. [단행본] - Tesauro G / 2000 / Multi Agent Learning:Mini Tutorial / IBM T.J.Watson Research Center

3. [학술대회논문] - Rahimi K.A. / 2005 / Reinforcement Learning Based Supplier-Agents for Electricity Markets / Proceedings of the IEEE International Symposium on Control and Automation : 1405 ~ 1410

4. [보고서] - Shoham Y. / 2003 / Multi- Agent Reinforcement Learning: A Critical Survey

5. [학술대회논문] - Littman M.L / 1994 / Markov Games as Framework for Multi-Agent Reinforcement Learning / Proceedings of the 11th International Conference on Machine Learning : 157 ~ 163

함께 읽어보면 좋을 논문

논문 유사도에 따라 DBpia 가 추천하는 논문입니다. 함께 보면 좋을 연관 논문을 확인해보세요!

이 논문의 저자 정보

권기덕

소속기관 경기대학교

주요연구분야 공학 > 컴퓨터학 공학 > 전기전자공학 > 정보통신공학

논문수 9 이용수 751

김인철

소속기관 경기대학교

주요연구분야 공학 > 전기전자공학 > 제어계측공학 TOP 5% 공학 > 컴퓨터학 TOP 10%

논문수 153 이용수 10,692

이 논문과 함께 이용한 논문

Reinforcement Learning을 이용한 턴이 바뀌지 않는 경우가 있는 보드게임의 최적해 탐색

정현수 , 장하영 , 장병탁 한국정보과학회 학술발표논문집 2014 .12

게임 인공지능 최신 연구 동향

박현수 , 김경중 정보과학회지 2013 .07

행위 기반 강화 학습 에이전트 구조

황종근 , 김인철 한국지능정보시스템학회 학술대회논문집 2007 .11

효율적인 멀티 에이전트 강화학습을 위한 RBFN 기반 정책 모델

권기덕 , 김인철 한국지능정보시스템학회 학술대회논문집 2007 .11

다중 에이전트 강화 학습을 위한 상태 공간 타일링과 확률적 행동 선택

권기덕 , 김인철 한국정보과학회 학술발표논문집 2006 .06

최근 본 자료

전체보기

UCI(KEPA) : I410-ECN-0101-2009-569-016454949

구분	그룹	데이터 항목
AI 학습용 데이터	원문	원문 PDF 파일
AI 학습용 데이터	원문 + 메타 (기본/상세)	원문 PDF 파일 및 서지정보 CSV
대량 구매용 데이터	B2B 구독 방식	특정 자료 한정으로 원문 접근 권한 부여
대량 구매용 데이터	URL 전달 방식	바로 PDF 뷰어를 열람할 수 있는 URL 제공

구분	그룹	데이터 항목
AI 학습용 데이터	기본 메타	발행기관명, 간행물명, 권호명, 권(vol), 호(issue), 통권, 발행연도, 발행월, 논문명, 저자명, 시작페이지, 종료페이지, 전체페이지, 상세페이지URL
상세 메타 데이터	발행기관 메타	발행기관 이명, 영문명, 창립연도, 홈페이지URL, 발행기관 소개
	간행물 메타	부제목, 간행물 유형, ISSN, ISBN, 최초발행연도, 폐간연도, 간행빈도, 발행주기, 등재사항, 이용수, 피인용수, 권호수, 논문수, 표지이미지
	논문 메타	작성 언어, 부제목, 대등제목, 목차, 키워드, 초록, 이미지, 참고문헌, 이용수, 피인용수, 논문활용도, DBpia통합주제분류, KDC분류, DDC분류, 한국연구재단분류, UCI, DOI
	저자 메타	소속기관, 소속부서, 직급, 연구분야, 연구키워드, 이용수, 피인용수, 저자 논문활용도

구분	그룹	데이터 항목
※ 결합형/맞춤형 메타 데이터는 신청 내용에 따라 다양하게 제공 가능
이용순위 정보	주제분야별 많이 이용된 논문	“인문학”에서 많이 이용된 논문 TOP100
	이용기관별 많이 이용된 논문	“중고등학교”에서 많이 이용된 논문 TOP100
	세부기관별 많이 이용된 논문	“서울대학교”에서 많이 이용된 논문 TOP100
	키워드별 많이 이용된 논문	“Chat GPT”에서 많이 이용된 논문 TOP100
키워드 정보	많이 이용된 키워드	특정기간/분야/저널 내 많이 이용된 키워드
	많이 발행된 키워드	특정기간/분야/저널 내 많이 발행된 키워드
	많이 검색된 키워드	특정기간/분야/저널 내 많이 검색된 키워드
	연구 트렌드 키워드	특정 키워드 연관 연구동향 분석 데이터 키워드

논문 기본 정보

초록· 키워드

AI 요약

연구주제

연구배경

연구방법

연구결과

주요내용

목차

참고문헌 (12)

함께 읽어보면 좋을 논문

이 논문의 저자 정보

이 논문과 함께 이용한 논문

최근 본 자료

댓글(0)