recursive-learning

Action Routingの再帰適応: MARIA OSが実行結果から学習する仕組み

実行フィードバックで高品質方策へ収束しつつ、Lyapunov安定性を維持する自己改善ルーティング

固定ルール型ルーティングでは、能力変化や負荷変動に追従できない。本稿は実行結果を用いて θ_{t+1}=θ_t+η∇J(θ_t) で方策を更新する再帰適応を提案する。確率近似の下での収束性とLyapunov安定性を示し、Thompson samplingと多エージェント協調で探索と競合抑制を両立する。