確率的な環境への適応学習を行う場合, 確率学習オートマトンに代表される強化学習が一般に用いられるが, 選択可能な行動の数が多くなった場合に最適解への収束が著しく遅くなるという欠点がある. 本論文では遺伝的アルゴリズムを応用することで, 強化学習における収束速度の問題点を解消する手法を提案する. 提案するアルゴリズムStGA(Stochastic Genetic Algorithm)においては, すべての可能な行動の中から少数の行動を集団としてサンプリングし, その集団に対して確率学習オートマトンを適用することで強化学習の収束速度を向上させる. 更に, 遺伝的操作を用いて集団内に含まれていない新たな行動を生成することを通して集団の内容を更新し, 最適な行動を効率良く探索する. StGAの収束性を証明するため, 確率学習オートマトンのε-optimalityをもとにした理論的解析を行う. 更にシミュレーション実験により, 可能な行動の数が多い場合におけるStGAの有効性を示す.