| 講演名 | 2018-03-12 Learning in Two-Player Matrix Games by Policy Gradient Lagging Anchor 丁 世堯(阪大), 潮 俊光(阪大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | We propose a novel multi-agent reinforcement learning (MARL) algorithm which is called a policy gra-dient lagging anchor (PGLA) algorithm. Then, we consider 2 two-player matrix games as illustrative examples. Andit is shown by simulation that behaviors of the games using the PGLA algorithm can converge to Nash equilibriain both pure and mixed policies. |
| 抄録(英) | We propose a novel multi-agent reinforcement learning (MARL) algorithm which is called a policy gra-dient lagging anchor (PGLA) algorithm. Then, we consider 2 two-player matrix games as illustrative examples. Andit is shown by simulation that behaviors of the games using the PGLA algorithm can converge to Nash equilibriain both pure and mixed policies. |
| キーワード(和) | Reinforcement Learning / Policy Gradient / Multi-Agent Systems / Matrix Game |
| キーワード(英) | Reinforcement Learning / Policy Gradient / Multi-Agent Systems / Matrix Game |
| 資料番号 | MSS2017-79 |
| 発行日 | 2018-03-05 (MSS) |
| 研究会情報 | |
| 研究会 | MSS / NLP |
|---|---|
| 開催期間 | 2018/3/12(から3日開催) |
| 開催地（和） | 大阪大学豊中キャンパス |
| 開催地（英） | |
| テーマ（和） | SICE-DES研究会，IEICE-NLP, MSSの3研究会併催，一般および Work In Progress(WIP) ※(WIPセッションはDES,MSSのみ．「詳細はこちら」参照) |
| テーマ（英） | |
| 委員長氏名（和） | 名嘉村 盛和(琉球大) / 安達 雅春(東京電機大) |
| 委員長氏名（英） | Morikazu Nakamura(Univ. of Ryukyus) / Masaharu Adachi(Tokyo Denki Univ.) |
| 副委員長氏名（和） | 髙井 重昌(阪大) / 高橋 規一(岡山大) |
| 副委員長氏名（英） | Shigemasa Takai(Osaka Univ.) / Norikazu Takahashi(Okayama Univ.) |
| 幹事氏名（和） | 豊嶋 伊知郎(東芝エネルギーシステムズ) / 金澤 尚史(阪大) / 坪根 正(長岡技科大) / 山内 将行(広島工大) |
| 幹事氏名（英） | Ichiro Toyoshima(Toshiba) / Takahumi Kanazawa(Osaka Univ.) / Tadashi Tsubone(Nagaoka Univ. of Tech.) / Masayuki Yamauchi(Hiroshima Inst. of Tech.) |
| 幹事補佐氏名（和） | 金城 秀樹(沖縄大) / 橘 俊宏(湘南工科大) / 木村 真之(京大) |
| 幹事補佐氏名（英） | Hideki Kinjo(Okinawa Univ.) / Toshihiro Tachibana(Shonan Inst. of Tech.) / Masayuki Kimura(Kyoto Univ.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Mathematical Systems Science and its applications / Technical Committee on Nonlinear Problems |
|---|---|
| 本文の言語 | ENG |
| タイトル（和） | |
| サブタイトル（和） | |
| タイトル（英） | Learning in Two-Player Matrix Games by Policy Gradient Lagging Anchor |
| サブタイトル（和） | |
| キーワード(1)（和/英） | Reinforcement Learning / Reinforcement Learning |
| キーワード(2)（和/英） | Policy Gradient / Policy Gradient |
| キーワード(3)（和/英） | Multi-Agent Systems / Multi-Agent Systems |
| キーワード(4)（和/英） | Matrix Game / Matrix Game |
| 第 1 著者 氏名（和/英） | 丁 世堯 / Shiyao Ding |
| 第 1 著者 所属（和/英） | 大阪大学(略称：阪大) Osaka University(略称：Osaka Univ.) |
| 第 2 著者 氏名（和/英） | 潮 俊光 / Toshimitsu Ushio |
| 第 2 著者 所属（和/英） | 大阪大学(略称：阪大) Osaka University(略称：Osaka Univ.) |
| 発表年月日 | 2018-03-12 |
| 資料番号 | MSS2017-79 |
| 巻番号（vol） | vol.117 |
| 号番号（no） | MSS-506 |
| ページ範囲 | pp.11-14(MSS), |
| ページ数 | 4 |
| 発行日 | 2018-03-05 (MSS) |