本研究では、セルフオーガナイジング特徴マップ（SOFM）とエージェントグループの役割メンバーシップ関数（AGRMF）に基づく強化学習を応用した移動多エージェント追跡の新しいアプローチを提案しています。この方法は、追跡者グループの動的な編成を促進し、追跡者が望むままに逃避者を捕まえるようにします。また、AGRMFモデルの運用における追跡者の再編成の限界を克服するために、新しい報酬関数も提案しています。グループ形成の後に強化学習を適用し、各エージェントの最適な解を取得するプロセスが説明されています。実験結果は、このアプローチが移動エージェントによる逃避者の捕獲においてより効果的であることを示しています。