Discovery Sagaサイレントキーワード俯瞰

社会規範 / 非均質エージェント / 分散処理 / 複雑ネットワーク / 強化学習 / マルチエージェントシステム / ノルム / 慣習 / 学習 / 安定性 / マルコフゲーム / 人工社会 / 大規模分散システム / 習慣 / 負荷分散 / 進化システム

本研究では競合状態の秩序をノルムとしてプログラム（エージェント）が習得する手法を提案し、その性質を調べた。このために競合状態を利得行列（戦略の選好と学習報酬）付きのマルコフゲームを用い、競合解消できない行動選択では競合が残り続ける定式化と、一時的には損しても効率的に競合から離脱するノルムを学習できるか調査した。その結果、(1)ノルムを獲得できるが、その質と安定性は利得行列に影響する、(2) 少数の異質のエージェントがノルムの学習自体は阻害しないものの、一度確立されたノルムを壊す現象がある、(3) エージェントにネットワーク構造を導入し、ノルムの変動と局所的なノルムの収束があることを確認した。

ニューラルネットワーク / 遺伝的アルゴリズム / ファジイ / 一般化学習ネットワーク / 高次微分 / 共生 / ロバスト制御 / カオス制御 / モデル化 / 学習 / 確率 / 制御 / 安定性 / カオス / 集中化・多様化 / ネットワーク / 離散事象 / オートマトン / ゲート

本報告は、科学研究補助金に関する研究課題「学習ネットワークによる複雑システムのモデル化とインテリジェント制御に関する研究」についての研究成果である。
広域電力ネットワークシステム、分散型交通・物流ネットワークシステム、総合上水道ネットワークシステム、大規模複雑原子力・火力・化学プラント等最近の制御対象は大規模化、複雑化、広域化、分散化する傾向にある。
それに従い、従来の制御理論の枠組では環境の変化と多様な目的に対応する高度な制御を行う事が困難となり、従って、制御システム全体を非線形ネットワークとして捉え、これにより既存の制御手法にはない柔軟性と創造性を持ったシステムを構築する事が強く求められていた。
そこで、本研究では生命現象をも含む自然現象及び論理の世界を大規模複雑なシステムとして捉え、これをモデル化し制御するための一般化学習ネットワーク(ULNs:Universal Learning Networks)と確率一般化学習ネットワーク(PrULNs:Probabilistic Universal Learning Networks)およびネットワーク最適化の学習方式である適応的ランダム探索法(RasID:Random Search Method with Intensification and Diversification)と遺伝的共生アルゴリズム(GSA:Genetic Symbiosis Algorithm)を開発した。
又、これ等の手法を具体的応用システムに展開し、ロバスト制御、カオス制御等が統一した枠組の中で論ずる事が出来る事を明らかにしている。

【研究連携者】
栗原聡	電気通信大学	大学院・情報システム学研究科	教授	(Kakenデータベース)
廣津登志夫	法政大学	情報科学部	教授	(Kakenデータベース)
福田健介	国立情報学研究所	アーキテクチャ科学研究系	准教授	(Kakenデータベース)

【研究分担者】
大林正直	山口大学	工学部	助教授	(Kakenデータベース)
村田純一	九州大学	大学院・システム情報科学研究科	助教授	(Kakenデータベース)
胡敬炉	九州大学	大学院システム情報科学研究科	助手	(Kakenデータベース)