文献

J-GLOBAL ID：202002284678678623   整理番号：20A1005570

レスレス多腕バンディットゲームにおけるマルチエージェントシステムの最適学習動力学【JST・京大機械翻訳】

Optimal learning dynamics of multiagent system in restless multiarmed bandit game

著者 (4件)： Nakayama Kazuaki (Department of Mathematics, Faculty of Science, Shinshu University, Asahi 3-1-1, Matsumoto, Nagano 390-8621, Japan) ,  Nakamura Ryuzo (Department of Physics, Faculty of Science, Kitasato University, Kitasato 1-15-1, Sagamihara, Kanagawa 252-0373, Japan) ,  Hisakado Masato (Nomura Holdings Inc., Otemachi 2-2-2, Chiyoda-ku, Tokyo 100-8130, Japan) ,  Mori Shintaro (Department of Mathematics and Physics, Faculty of Science and Technology, Hirosaki University, Bunkyo-cho 3, Hirosaki, Aomori 036-8561, Japan)
資料名： Physica A. Statistical Mechanics and Its Applications  (Physica A. Statistical Mechanics and Its Applications)
巻： 549  ページ： Null  発行年： 2020年 
JST資料番号： D0322B  ISSN： 0378-4371  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 社会学習は,他の個人との相互作用の観察を通して学習する。それは社会物理学における人間の集団行動の理解において重要である。著者らは,リストレス多腕バンディット(rmAb)におけるエージェントの学習過程を研究した。各アームの二値報酬はランダムに変化し,エージェントは支払い1を持つアームを利用することによりそれらの支払いを最大化し,ランダム(個々の学習)でアームを探索し,他のエージェント(社会学習)により利用されるアームをコピーする。このシステムは,社会的および個人的学習の混合戦略空間におけるParetoおよびNash均衡を有する。エージェントが戦略空間において期待される支払いを最大化するいくつかのモデルを研究し,システムが平衡に収束することを解析的および数値的に実証した。また,実験を行い,人間の参加者が最適戦略を採用するかどうかを調べた。この実験では,3人の参加者がゲームを行う。各グループの報酬が支払いの和に比例するならば,社会学習率の中央値はPareto均衡のそれとほぼ一致する。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  *学習 ,  *ゲーム ,  釣合 ,  アーム ,  Nash均衡 ,  *エージェント ,  *マルチエージェントシステム ,  Pareto最適化 ,  社会学習 ,  最適戦略
準シソーラス用語： 集団行動 ,  学習過程 , 【Automatic Indexing@JST】

著者キーワード (5件)： Nash均衡 ,  Pareto最適化 ,  最適学習動力学 ,  マルチエージェントシステム ,  多腕バンディット

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (4件)： 腕 ,  マルチエージェントシステム ,  学習 ,  動力学