2015 Fiscal Year Research-status Report
機械学習と網羅シミュレーションによるMA共有資源選択の効率化・安定化手法の確立
| Project/Area Number |
15K00328
|
|---|
| Research Institution | National Institute of Advanced Industrial Science and Technology |
|---|
Principal Investigator |
野田 五十樹 国立研究開発法人産業技術総合研究所, 人工知能研究センター, 総括研究主幹 (40357744)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
山下 倫央 国立研究開発法人産業技術総合研究所, 人工知能研究センター, 主任研究員 (50415759)
|
|---|
| Project Period (FY) |
2015-04-01 – 2018-03-31
|
| Keywords | マルチエージェント学習 / Exploration 率 / 動的環境 / 進化的アルゴリズム / 資源共有問題 / 社会シミュレーション / 網羅的シミュレーション / 避難シミュレーション |
|---|
| Outline of Annual Research Achievements |
まずボトムアップアプローチでは、Exploration 率等について複数のバリエーションを用意し、バリエーションによりエージェント群全体および個々のエージェントの平均利得や全体挙動をゲーム理論的に解析し、エージェント群全体の均衡解の存在や傾向を分析した。さらに、その結果を元に遺伝的アルゴリズムにWoLF の考え方を導入し、Exploration率について最適な値に近い値を適応的に獲得する手法を提案し、資源共有問題等、各種学習問題で効果を確認した。
トップダウンアプローチでは、各エージェントに対する情報提供の影響を考慮した人流等のマルチエージェントシミュレータを構築し、多様な行動原理を指定して網羅的シミュレーションを行うシステムを実現した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
ボトムアップアプローチ及びトップダウンアプローチ共に予定通りの進捗である。特にボトムアップアプローチでは、学習方式の提案まで行うことができ、汎用性の高い方法であることを実験により確認できた。
|
| Strategy for Future Research Activity |
次年度は、予定通り、以下のように推進する。
ボトムアップアプローチでは、個々のエージェントの利得関数や行動選択ルールなどについてもバリエーションの範囲を広げ、エージェント群全体の挙動との関係を調べる。これらをもとに、マルチエージェント共有資源選択問題でエージェントに望まれるべき行動様式の範囲などを洗い出す。
また、トップダウンアプローチでは、人流における誘導路配置についても多数のバリエーションを用意し、それまでに進めた誘導計画・情報提供でのバリエーションと組み合わせた総合的な資源・誘導計画立案を支援する枠組みの構築を目指す。
|
| Causes of Carryover |
成果発表について、都合により学会等に参加できず、共著者に発表を任せざる得ない件が数件でたため、旅費が当初予定より少額となった。発表は予定通り実施し、また、その後、共著者との打ち合わせ等で意見交換の内容を確認できたため、研究遂行上、問題は生じていない。
|
| Expenditure Plan for Carryover Budget |
当初計画に加え、国際会議等への参加を追加し、研究成果発表及び研究動向調査を加速する。
|
