文献

J-GLOBAL ID：202002260807106985   整理番号：20A0854311

市場クリアリングに基づく動的マルチエージェントタスク割当【JST・京大機械翻訳】

Market Clearing-based Dynamic Multi-agent Task Allocation

著者 (3件)： Nelke Sofia Amador (HIT Holon Institute of Technology, Holon Israel) ,  Okamoto Steven (Google, Pittsburgh, PA, USA) ,  Zivan Roie (Ben-Gurion University of the Negev, Beer-Sheva Israel)
資料名： ACM Transactions on Intelligent Systems and Technology  (ACM Transactions on Intelligent Systems and Technology)
巻： 11  号： 1  ページ： 1-25  発行年： 2020年 
JST資料番号： W5696A  ISSN： 2157-6904  資料種別： 逐次刊行物 (A)
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： 現実的なマルチエージェントチームアプリケーションは,タスクの遅い実行を実現するソフトデッドラインを持つ動的環境をしばしば特徴とする。これにより,エージェントに対するタスクを迅速に割り当てることに関するプレミアムを提案した。しかし,そのような問題がエージェントによって順次実行されるタスクを必要とする時間的および空間的制約を含むとき,それらはNP困難であり,したがって一般的で特別に設計された不完全発見的アルゴリズムを用いて一般的に解決される。著者らは,高品質の解を得るために容易に配列できるようにタスクを可能にする新しいそのような不完全タスク割当アルゴリズムであるFMC_TAを提案した。FMC_TAは,最初に,公平(envy-free)であり,負荷をバランスさせ,エージェント間の重要なタスクを共有し,問題の単純化バージョンにおいて効率的(パレート最適)を共有する。それは,購入者としてのエージェントによるFisher市場と商品としての作業を用いて,多項式または擬似多項式時間(それぞれ,中心的または分布的に)におけるそのような配分を計算する。次に,共有タスクに関するエージェント間制約を考慮に入れて,それを発見的に割り当てる。本アルゴリズムを,実際の警察ログに触発された法律実施問題に関して,集中化と分散化の両方の最先端の不完全な方法と経験的に比較した。経験的研究を実行するために使用する法則強制問題の新しい形式化を提示した。結果は,全効用におけるFMC_TAに対する明確な利点を示し,法律実施当局がそれら自身の性能を測定した。現実的な特性を有する問題の他に,アルゴリズムを問題の異なる要素のサイズを増加させる合成問題に関して比較して,この問題スケールのときアルゴリズムの挙動を調査した。提案したアルゴリズムの優位性は一貫していることが分かった。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： 簡素化 ,  多項式 ,  警察 ,  *エージェント ,  NP困難 ,  マルチエージェントシステム ,  時間制限 ,  応用プログラム ,  分散化 ,  集中化 ,  アルゴリズム
準シソーラス用語： Pareto最適 ,  発見的アルゴリズム ,  *タスク割当 ,  *マルチエージェント , 【Automatic Indexing@JST】

著者キーワード (2件)： 分散タスク割当 ,  マルチエージェントシステム

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (3件)： 市場 ,  マルチエージェント ,  タスク割当