MACC'97 特別セッション（マルチエージェントシステムのビジネスへの応用）論文

• 組織学習試行型分類子システムとその応用
• 高玉 圭樹[1]，中須賀 真一[2]，寺野隆雄[3]
• [1]東京大学大学院 工学系研究科，[2]東京大学 先端科学技術センター，[3]筑波大学大学院 経営システム科学専攻
• 連絡先: keiki@ai.rcast.u-tokyo.ac.jp
• 梗概
  組織学習指向型分類子システム(Organizational-learning oriented Classifier System：OCS)は進化メカニズムを用いた新しいマルチ・エージェ ント学習モデルである．このモデルは，プロダクションシステム，強化学習 メカニズム，ルール生成/交換メカニズムからなり，組織学習の概念を取り 入れるために拡張および改良されている．OCS内のエージェントは，エージェ ント間のローカルインタラクションによってそれぞれ独自の機能を獲得し， 外部からの明示的なコントロールなしに効果的な組織構造を作り上げる．こ のようなモデルの有効性を検証するために，我々はCAD(computer aided design)におけるプリント基盤再設計問題をとりあげ，実際の基盤を用いて 実験したところ，次のことが分かった：(1)OCSの総合配線長は専門家のより も短い．(2)OCSはプリント基盤の大きさや種類によらず，実行可能解を見出 すことができる．(3)小さいサイズのプリント基盤で得られて知識は大きい サイズにも適用でき，この知識の適用は試行回数を低減させる．
• キーワード
  組織学習，学習分類子システム，協調エージェント，マルチ・エージェント強化学習，プリント基盤設計
• 論文PSファイル(+gzip)

トップページへ戻る