Core Concepts
制御エージェントの意思決定を向上させるために、新しい多エージェント分布型アクター・クリティックアルゴリズムを提案する。
Abstract
この研究は、制御エージェントの意思決定を改善するために、新しい多エージェント分布型アクター・クリティック(DOMAC)アルゴリズムを提案しています。DOMACでは、仮想的な相手モデルが制御エージェントの観測情報を受け取り、相手の情報が利用できない場合でも相手モデリングを実現します。分布型クリティックの指導のもと、俳優と相手モデルを効果的に訓練することができます。幅広い実験では、DOMACは他の3つの基準線よりも高い平均収益率を達成し、収束速度も速くなっています。
Stats
本研究は15,000エピソードで行われました。
パラメータ更新にAdamオプティマイザーが使用されました。
エージェント数は4つであり、各エージェントは4つの隠れ層から成るCNNで構成されています。
Quotes
"DOMACは他の3つの基準線よりも高い平均収益率を達成しました。"
"DOMACは他の3つの基準線よりも高い平均収益率を達成しました。"