ε-greedy 探索を用いたマルチエージェント Q 学習の動的分析

マルチエージェント学習者の期待される行動を理解しモデル化するメカニズムの開発は、この分野がさまざまな領域で急速に応用されるにつれてますます重要になっています。本論文では、o-greedy 探索メカニズムを用いて Q 学習エージェントの行動をモデル化するためのフレームワークを提示します。それに対して、Q 学習の更新ルールの連続時間バージョンを分析し、他のエージェントの存在と o-greedy メカニズムがそれにどのように影響するかを研究します。次に、問題を差分方程式の系としてモデル化し、エージェントの期待される行動を理論的に分析します。このフレームワークの適用性は、文献から選ばれた典型的なゲームでの実験を通じてテストされます。