文献

J-GLOBAL ID：202002285789833137   整理番号：20A2258095

プライベートおよび公共財問題のための学習保証による分散機構設計【JST・京大機械翻訳】

Distributed Mechanism Design With Learning Guarantees for Private and Public Goods Problems

著者 (2件)： Sinha Abhinav (Business School, Columbia University, New York, NY, USA) ,  Anastasopoulos Achilleas (Electrical Engineering and Computer Sciences Department, University of Michigan, Ann Arbor, Ann Arbor, MI, USA)
資料名： IEEE Transactions on Automatic Control  (IEEE Transactions on Automatic Control)
巻： 65  号： 10  ページ： 4106-4121  発行年： 2020年 
JST資料番号： C0223A  ISSN： 0018-9286  CODEN： IETAA9  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： 完全に戦略的エージェントのための機構設計は,エージェントが割り当てと税/補助金エージェントを実行する中央権限にメッセージを放送すると仮定する。さらに,設計した機構の大部分は,Nash均衡(NE)が漸近的に到達するという保証を提供しない。そのような結果を提供した場合,それらは特定の事前設計学習動力学の収束を参照し,エージェントがそのような処方に従うと仮定した。両方の仮定は,現実の配分問題における機構設計の実際的応用における障害であった。本論文では,2つの共通資源割付問題,即ち,戦略的エージェント間のK無限二分資源共有を,それらの私的消費(商品)の戦略的エージェント間で共有し,戦略的エージェント間で共有されるP特徴を持つ無限に見える公共財のレベルを決定する。両事例に対して,与えられたネットワークを通して通信するエージェントの集合に対する分散メカニズムを提示した。分散メカニズムにおいて,エージェントのメッセージは,標準機構設計フレームワークのように他のすべてのエージェントに放送されないが,各エージェントのローカル近傍においてのみ交換される。提示された機構はユニークなNEを生成し,それらは社会的福祉最大化割当てを完全に実装し,NEで予算バランスである。続いて,このメカニズムが契約的最良応答を有するゲームを誘導し,Cournot最良応答,k-周期最良応答,およびFictitous Playのような動力学を含む適応最良応答動力学クラス内のすべての学習動力学に対する保証された収束に導くことを示した。上述の機構は,エージェントの数とともに二次的に成長するメッセージ次元を持つが,著者らは,もし1つが強力な収束保証を忘れるならば,エージェントの数とともに線形的に成長する全メッセージ空間次元を有する分散機構を設計することが可能であることを示した。最後に,様々な通信グラフと学習動力学に対して,反復プレイの下での収束の数値研究を通して,上記の結果を実証した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *学習 ,  ゲーム ,  ネットワーク ,  資源割付 ,  社会福祉 ,  補助金 ,  割当問題 ,  通信 ,  線形性 ,  Nash均衡 ,  エージェント
準シソーラス用語： 資源共有 ,  *公共財 , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  信号理論  (ND02020G)

タイトルに関連する用語 (5件)： 公共財 ,  問題 ,  学習 ,  保証 ,  設計