| 講演抄録／キーワード |
| 講演名 |
2019-10-03 11:15
［ポスター講演］グラフに基づく強化学習による無線LANチャネル制御の学習効率向上
○大津一樹・神矢翔太郎・山本高至・西尾理志・守倉正博（京大） |
| 抄録 |
（和） |
本稿は，強化学習に基づく無線LANチャネル制御について，グラフ同型性を用いた効率化手法を提案する．
最適なチャネル割当は，アクセスポイント（AP：access point）のキャリアセンス関係によって異なるため．全探索やヒューリスティクス手法で求めるのは効率的でない．
未経験のキャリアセンス関係における最適なチャネル割当を推定する手段の一つに，関数近似を用いた強化学習によるチャネル制御がある．
しかし，AP数が増加すると，取りうる状態数が非常に大きくなるため，学習時間が膨大となる．
本稿は，カノニカルラベルにより同型なグラフで表現される状態を同一とみなすことで，学習者が経験する状態数を削減し，学習効率を向上する手法を提案する．
提案手法を用いて経験する状態数が削減できることを，シミュレーション結果により示す． |
| （英） |
This report proposes to improve learning efficiency with graph isomorphism for reinforcement learning-based wireless local area network channel controls.
It is inefficient to acquire the optimal channel allocation by full search or heuristics because it varies depending on carrier sensing relationship between access points (APs).
One method for estimating the optimal channel allocation in inexperience carrier sensing relationship between APs is reinforcement learning-based channel selection with function approximation.
However, with the increase of the number of APs, the number of states becomes extremely high, resulting in the enormous learning time.
This report proposes to reduce the number of observable states in the learning model using the canonical labeling method, which regards all states expressed as the isomorphic graphs as the same, and improve the learning efficiency.
The simulation results show that the proposed method can reduce the number of observable states in the learning model. |
| キーワード |
（和） |
強化学習 / グラフ同型性 / カノニカルラベル / / / / / |
| （英） |
Reinforcement learning / graph isomorphism / canonical label / / / / / |
| 文献情報 |
信学技報 |
| 資料番号 |
|
| 発行日 |
|
| ISSN |
|
| PDFダウンロード |
|