![]() ![]() |
講義概要/Course Information |
科目基礎情報/General Information |
授業科目名 /Course title (Japanese) |
マルチエージェントシステム特論 | ||
---|---|---|---|
英文授業科目名 /Course title (English) |
Advanced Multiagent System | ||
科目番号 /Code |
|||
開講年度 /Academic year |
2021年度 | 開講年次 /Year offered |
全学年 |
開講学期 /Semester(s) offered |
前学期 | 開講コース・課程 /Faculty offering the course |
博士前期課程、博士後期課程 |
授業の方法 /Teaching method |
講義 | 単位数 /Credits |
2 |
科目区分 /Category |
大学院専門教育科目 - 専門科目Ⅱ | ||
開講類・専攻 /Cluster/Department |
情報学専攻 | ||
担当教員名 /Lecturer(s) |
髙玉 圭樹 | ||
居室 /Office |
西6-307 | ||
公開E-mail |
mas@cas.lab.uec.ac.jp | ||
授業関連Webページ /Course website |
随時公開 | ||
更新日 /Last update |
2021/03/09 23:03:19 | 更新状況 /Update status |
公開中 /now open to public |
講義情報/Course Description |
主題および 達成目標(2,000文字以内) /Themes and goals(up to 2,000 letters) |
本講義では、エージェントの基礎と様々なマルチエージェントシステムの形態を解説し,複雑化する世の中の諸問題を解決できるシステム設計者の育成を目的とする.特に,エージェントの機構として強化学習を講義するとともに,マルチエージェントシステムの協調方法を展開する. This course gives a lecture on the fundamental issues of agents and various types of multi-agent systems, and aims to foster the students' ability of solving complex real-world problems as system designer. In particular, this course focuses on reinforcement learning method in the agent architecture and explains the cooperation mechanisms in a multi-agent system. |
---|---|
前もって履修 しておくべき科目(1,000文字以内) /Prerequisites(up to 1,000 letters) |
コンピュータリテラシー,基礎プログラミングおよび演習 Computer Literacy, Fundamental Programming |
前もって履修しておくこ とが望ましい科目(1,000文字以内) /Recommended prerequisites and preparation(up to 1,000 letters) |
アルゴリズムとデータ構造論,アルゴリズムとデータ構造並びに同演習,進化計算論 Algorithms and Data Structures, Exercises in Algorithms and Data Structures, Evolutionary Computation |
教科書等(1,000文字以内) /Course textbooks and materials(up to 1,000 letters) |
教科書 高玉 圭樹: 「マルチエージェント学習 -相互作用の謎に迫る-」,コロナ社,2003. Textbook: Keiki Takadama: Multiagent Learning - Exploring Potentials Embedded in Interaction among Agents, Corona Publishing, 2003. |
授業内容と その進め方(2,000文字以内) /Course outline and weekly schedule(up to 2,000 letters) |
前半はエージェント,強化学習手法,マルチエージェントシステムの研究事例を中心に講義する.後半はマルチエージェントシステムの最先端の研究論文を読むか,習得したマルチエージェント技術をシステムとして構築し,その内容を発表する形で理解を深める.授業全体の大まかな流れは以下の通りである. 第1回:イントロダクション 第2回:マルチエージェントシステム(工学編) 第3回:マルチエージェントシステム(社会科学編) 第4回:エージェントの設計 第5回:強化学習(概要と基本的要素) 第6回:強化学習(ブートストラップ型アルゴリズム) 第7回:強化学習(非ブートストラップ型アルゴリズム) 第8回:マルチエージェント学習の研究事例 第9回:マルチエージェント学習の難しさ 第10−15回:論文発表会およびプログラム発表会 The first half of this course gives a lecture on an agent, reinforcement learning method, research examples of multi-agents systems. The latter half of this course deepens the students' understating of multi-agents system through an presentation of its state of the art papers or its system developed by students. The course schedule and topics which will be covered are shown below. 1. Introduction 2. Multi-agent system (Engineering science aspect) 3. Multi-agent system (Social science aspect) 4. Agent design 5. Reinforcement learning method (Fundamental knowledge) 6. Reinforcement learning method (Bootstrap algorithm) 7. Reinforcement learning method (Non-bootstrap algorithm) 8. Research examples of multi-agents learning 9. Difficulties of multi-agents learning 10-15. Presentation on research paper or developed system |
実務経験を活かした 授業内容 (実務経験内容も含む) /Course content utilizing practical experience |
担当教員の実務経験から,実社会で使われているシステムに絡めて講義する. This course provides information on how multi-agent systems are applied in the real world according to the business experience of the lecturer. |
授業時間外の学習 (予習・復習等)(1,000文字以内) /Preparation and review outside class(up to 1,000 letters) |
講義資料を配るため,予習よりも講義後の復習を重点的に行って下さい. なお,論文発表会およびプログラム発表会の準備および資料の作成は授業時間外で行うことになります. The students are required to review the previous lessons more importantly than prepare the next lessons. The students are also required to prepare their presentation slides outside regular lectures. |
成績評価方法 および評価基準 (最低達成基準を含む) (1,000文字以内) /Evaluation and grading (up to 1,000 letters) |
論文発表もしくはプログラム発表に関して,発表資料50%,プレゼンテーション50%を成績評価におけるウエイトの目安とし,総合的に評価します.また,この評価方法で6割以上の評点を得ることを,単位認定の基準とします.合格最低基準としては,マルチエージェントシステム全体と最先端の研究論文をほぼ理解できることが求められます. Evaluation is given in consideration of the following ratio: presentation slide 50%, presentation 50%. The students must acquire 60% or more than 60% of evaluation to approve the credit, which includes an understanding of a multi-agent system and its state of the art papers. |
オフィスアワー: 授業相談(1,000文字以内) /Office hours(up to 1,000 letters) |
西6号館 307号室 金曜日 4時限 この時間に都合が付かない場合には,メールで別途アポイントメントを取ること. Friday, period 4, room 307, west building An appointment via e-mail is indispensable before meeting except for the office hour. |
学生へのメッセージ(1,000文字以内) /Message for students(up to 1,000 letters) |
「社長が交代すると倒産寸前の会社が立ち直る」,「プロ野球の監督が変わると優勝できるようになる」−このような話はよく耳にしますが,実はコンピュータも同じです.知的なコンピュータがあっても勝ち組の社長や監督が行うように適切に指示を与えなければ有効に機能しません.特に,複数台あるときはなおさらです.ちょっとした指示の仕方やタイミングを間違うと平凡な結果しか得られませんが,うまく行うと3人集まれば文殊の知恵のように台数以上の結果を導くことができるのです.このような分野は「マルチエージェントシステム」と呼ばれており,本講義ではそのマルチエージェントシステムの魅力を伝えます. In multi-agent system, good results can be obtained if we can control it appropriately otherwise bad results are obtained. Such a tendency becomes strong as the number of agents increases. Towards the proverb of "Two heads are better than one" in a multi-agent system , this course provides a hint of how to control a multi-agent system. |
その他 /Others |
最先端のマルチエージェントシステムに関する知識を積極的に調べ,学ぶことを期待します. The students are expected to actively investigate and learn the state or art in the domain of multiagent system. |
キーワード /Keywords |
マルチエージェント,エージェント,学習,シミュレーション Multi-agent system, agent, learning, simulation |