強化学習エージェントの状態空間構成に自己組織化マップ（Self-Organizing Map：SOM）などの競合学習を行うニューラルネットを用いる方法が近年多く報告されている．これらの方法では強化学習器に Q-learningなどの環境同定型の強化学習を用いることが前提とされており，Profit Sharingにおける状態空間構成にSOMを使用したときは行動規則の学習の速さをSOMの学習が追従できない．そこで本研究では，SOMを Profit Sharingによる強化学習エージェントの状態空間構成に利用した場合においても，SOMがProfit Sharingの学習の速さを追従可能とするための“相互学習残参照型近傍関数”を提案し，その有効性をシミュレーションタスクでの実験により示す．