| *商品について |
|
表紙はついていません（本文のみ中綴じ製本です）。
号単位でも購入できます。
すべてモノクロ印刷です。
Extended Summaryはついていません。
|
 |
| ・会員価格 ¥550 |
| ・一般価格 ¥770 |
|
|
| こちらはBookPark「電気学会 電子図書館（IEEJ Electronic Library）」による文献紹介ページです。 |
|
 |
 |
電気学会会員の方はこちらから一旦ログインのうえ、マイページからお入りください。
会員価格で購入することができます。
|
|
| 非会員の方はログインの必要はありません。このまま お進みください。 |
|
|
| ■論文No. |
|
| ■ページ数 |
14ページ |
■発行日
|
2024/04/01 |
| ■タイトル |
視野領域を制限した追跡問題におけるProfit Sharing法に基づく学習方法の提案 |
| ■タイトル(英語) |
Development of Profit Sharing Methods for the Pursuit Problem Considering Field of View |
| ■著者名 |
澤田 志門（東海大学大学院 総合理工学研究科 総合理工学専攻），奥山 淳（東海大学大学院 総合理工学研究科 総合理工学専攻） |
| ■著者名(英語) |
Shimon Sawada (Graduate School of Science and Technology, Tokai University), Atsushi Okuyama (Graduate School of Science and Technology, Tokai University) |
| ■価格 |
会員 ¥550 一般 ¥770 |
| ■書籍種類 |
論文誌(論文単位) |
| ■グループ名 |
【D】産業応用部門 |
| ■本誌 |
電気学会論文誌D（産業応用部門誌） Vol.144 No.4 （2024） 特集：モータドライブと関連技術
|
| ■本誌掲載ページ |
234-247ページ |
| ■原稿種別 |
論文／日本語 |
| ■電子版へのリンク |
https://www.jstage.jst.go.jp/article/ieejias/144/4/144_234/_article/-char/ja/
|
| ■キーワード |
マルチエージェントシステム，強化学習，Profit Sharing，追跡問題 multi agent system，reinforcement learning，profit sharing，pursuit problem |
| ■要約(日本語) |
|
| ■要約(英語) |
To study security at facilities, particularly the capture of a suspicious person using only security robots, we investigated the pursuit problem. Multi-agent reinforcement learning has frequently been applied to this problem, in which multiple hunters catch single or multiple preys. In the pursuit problem, hunters are typically considered to have an infinite field of view (FoV) range to obtain the absolute or relative positions of the preys as the states of the hunters. However, this is inappropriate owing to “the curse of dimensionality,” and the FoV range should be restricted suitably. Moreover, strict restrictions on the FoV range prevent hunters from observing their states and continuing learning because they cannot obtain the position of a prey when it is outside their FoV. In previous studies, when a prey is out of the FoV of the hunters, they act randomly. However, in this study, we developed methods to allow hunters to continue learning when a prey is outside their FoV. In addition, numerical simulations were performed to evaluate the effectiveness of each method. The simulation results validated the effectiveness of developed methods from the viewpoints of learning performance and application of the learning results. |
| ■版 型 |
A4 |
|
|
|
