早川 充洋(0151082)
強化学習は，即時報酬の時間累積和を最大化するような行動系列を，試行錯
誤を通して獲得する学習の枠組みである．明示的な教師を必要としない学習
法であるので，教師が与えられないような未知の問題にも適用が可能である．
一方で，強化学習では，多くのサブゴールが存在するような，比較的複雑な
タスクにおいては状態空間の爆発がおこり，望ましい学習性能が得られない．
このようなタスクに対しては，学習器の階層化や，学習に適した状態分割を
行うことで学習効率の向上が見込まれる．本研究では，複数のサブゴールが
存在する環境に対し，状態空間の分割と学習器の階層化を，自律的に達成す
る手法を提案する．提案モデルは，複数の強化学習モジュールとそれらの統
合部からなる階層型強化学習器において，進化的手法により，各学習モジュー
ルへの部分問題割り当てと，各部分問題に関する状態空間分割を自律的に行
う．提案モデルの概要と，それを用いて行なった計算機シミュレーショ
ン結果について発表する．