逐次多エージェント動的アルゴリズム構成

動的アルゴリズム構成（DAC）は、自動化された機械学習における新しいトレンドで、実行中にアルゴリズムの設定を動的に調整し、ユーザーの煩雑な試行錯誤を軽減します。本論文では、複数の異なるハイパーパラメータの構成を改善するために、多エージェント強化学習（MARL）アプローチが利用される一方で、多くの複雑なアルゴリズムのパラメータ間に存在する固有の相互依存関係が無視され、サブ最適な結果に繋がる問題を指摘しています。これに対処するため、逐次多エージェントDAC（Seq-MADAC）フレームワークを提案し、逐次的な利得分解ネットワークを用いてアクションの順序情報を活用します。実験結果は、Seq-MADACが最先端のMARL手法に対して優れた性能を示し、問題クラス全体にわたる強い一般化能力を示しています。Seq-MADACは、依存関係を考慮した自動アルゴリズム構成の新たなパラダイムを確立します。