文献

J-GLOBAL ID：202002248755108006   整理番号：20A2265351

インセンティブを持つマルチエージェントシステムのための生成シミュレーションプラットフォーム【JST・京大機械翻訳】

A generative simulation platform for multi-agent systems with incentives

著者 (7件)： Wu Zhengwei (University of California) ,  Zhang Xiaoxi (Carnegie Mellon University) ,  Xu Susu (Carnegie Mellon University) ,  Chen Xinlei (Carnegie Mellon University) ,  Zhang Pei (Carnegie Mellon University) ,  Noh Hae Young (Stanford University) ,  Joe-Wong Carlee (Carnegie Mellon University)
資料名： ACM Proceedings  (ACM Proceedings)
号： UbiComp-ISWC ’20  ページ： 580-587  発行年： 2020年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： マルチエージェントシステムは,複雑および計算-重タスクを扱う能力およびインセンティブ方式との適合性により,近年多くの注目を集めている。実際のプロトタイプと環境を評価の困難さを考慮して,シミュレーションプラットフォームは,実際の環境実装の前に,解析と試験における安価で効率的な方法である。マルチエージェントシステムのための既存のシミュレータは,2つの理由によるエージェントの行動パターンに及ぼす異なるカスタマイズされたインセンティブ方式の影響を分析するのに不適切である。1)それらは,様々なタイプの複雑なインセンティブ,例えば,金銭的インセンティブと非ary incentives的インセンティブの混合物をサポートするための機能性を欠いている,そしてそれは,エージェントの行動を明示的かつ暗黙的に影響を与える;2)それらは,複雑なインセンティブによって影響を受ける不均一エージェントのリアルタイム挙動をエミュレートできず,歴史的トレースで示された元の行動パターンから逸脱する。本論文では,時空間で移動できるモバイルエージェントに焦点を当て,一般的なユーティリティ駆動エージェント反応関数を通して統一された直接的および間接的インセンティブの両方の影響を考慮して,物理的知識支援マルチエージェントシミュレーションプラットフォームを提示する。次に,エージェントの行動を3つの行動モデルでエミュレートし,それらのユーティリティを最大化し,物理的知識と歴史的な移動性パターンを統合するエージェントの仮説を変えることによって,筋,半筋,および遠視した。最後に,乗り物共有車両実験シナリオを通してエージェントの最終分布を最適化するために,車両エージェントを奨励するプラットフォームの有効性を調べた。エミュレートエージェントの挙動も,エージェントの他のパターンを分析するためにデータトレースに収集できる。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  *シミュレーション ,  シミュレータ ,  交通機関 ,  適応性 ,  エミュレーション ,  応答関数 ,  有効性 ,  *エージェント ,  *マルチエージェントシステム ,  カスタム化 ,  プロトタイプ
準シソーラス用語： 行動モデル ,  行動パターン ,  低価格 , 【Automatic Indexing@JST】

分類 (4件)： オペレーションズリサーチ一般  (KA03010Q) ,  計算機網  (JC03000K) ,  人工知能  (JE08000Z) ,  経営工学一般  (KA01010C)

タイトルに関連する用語 (4件)： インセンティブ ,  マルチエージェントシステム ,  シミュレーション ,  プラットフォーム