深層学習（Deep Learning, DL）は、その強力な汎用性から、現在の画像処理研究において広く用いられている。特に生成対抗ネットワーク（Generative Adversarial Networks, GAN）を活用することで、低解像度（Low-Resolution, LR）画像から高解像度（High-Resolution, HR）画像を復元する単一画像超解像（Single Image Super-Resolution, SISR）分野において、その優位性を発揮している。SISRへの関心は、物体検出、位置特定、分類といった補助的な画像処理タスクの性能向上が期待できる点に起因している。本研究では、マルチエージェント強化学習（Reinforcement Learning, RL）アルゴリズムをSISRに適用し、強力なGANを統合する高度なアンサンブル手法を構築した。実装においては、各エージェントが既存のGANベースSISRアルゴリズムの出力結果からなる固定された行動集合から特定の行動を選択し、自身の画素値を更新する。エージェントを画素単位またはパッチ単位で配置し、報酬機構を設計することで、各選択肢から最適な画素値を選び、画像の解像度を向上させる戦略を学習する仕組みが実現された。