部分観測環境下におけるマルチエージェント系強化学習法
藤田 肇 (0251102)
本研究では，マルチエージェント系の一例としてカードゲームである
Heartsを取り上げ，そこでのエージェントの行動学習として，相手モデルに基づ
くマルチエージェント系強化学習法を提案する．Heartsでは非観測なカードが多
く存在するため，本手法では部分観測マルコフ決定過程(POMDP)として定式化し
ている．学習エージェントは観測できない状態を推定によって補い，動的に変化
する環境の振舞いを予測することで，自身の行動を決定する．本手法が一般的な
実問題に対しても有効であることを，計算機シミュレーションにより示す．