文献

J-GLOBAL ID：202102245863170333   整理番号：21A0443061

マルチエージェント劣モジュラ最適化におけるDened観測のコスト【JST・京大機械翻訳】

The Cost of Denied Observation in Multiagent Submodular Optimization

著者 (4件)： Grimsman David (University of California,Department of Electrical and Computer Engineering,Santa Barbara,CA) ,  Seaton Joshua H. (University of Colorado,Department of Computer Science,Colorado Springs) ,  Marden Jason R. (University of California,Department of Electrical and Computer Engineering,Santa Barbara,CA) ,  Brown. Philip N. (University of Colorado,Department of Computer Science,Colorado Springs)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CDC  ページ： 1666-1671  発行年： 2020年 
JST資料番号： W2441A  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制御のためのポピュラーな形式は,ゲーム理論からのツールを適用し,個々のエージェントが,他のエージェントによってなされた観察可能な選択に応じて,自分自身の局所効用関数を最適化するために,個々のエージェントが局所選択を行う協調スタイルゲームとしてマルチエージェント決定問題を注型する。システムレベル目標が準モジュール最大化であるとき,あらゆるエージェントがすべての他のエージェントの行動選択を観察できるならば,次に,結果として得られるゲームの大規模クラスのすべてのNash均衡は,最適のうちの2倍以内であることが知られている。すなわち,初経の価格は1/2である。しかし,エージェントが他の関連エージェントの行動選択を観察できないかどうかについてはほとんど知られていない。これを研究するために,エージェントの部分集合がブラインドになる(他の選択を観測できない)か,あるいは分離(他のエージェントに見えない)のいずれかの1つに標準ゲーム理論モデルを拡張し,また,損なわれたエージェントの数の関数として,アーカイの価格に対する正確な表現を証明した。kエージェントが損なわれるとき(ブラインドまたは分離の任意の組合せにおいて),大きなクラスの効用関数に対するアーカイの価格は,正確に1/(2+k)であることを示した。次に,エージェントが限界コスト効用関数を使用し,少なくとも1つの妥協エージェントがブラインド(分離より)であるならば,初経の価格は1/(1+k)に改善することを示した。また,動的設定におけるこれらの観測デニールの効果を実証するシミュレーション結果を提供した。Copyright 2021 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： *最適化 ,  シミュレーション ,  決定問題 ,  ゲーム ,  ゲーム理論 ,  限界原価 ,  注型 ,  効用関数 ,  Nash均衡 ,  *エージェント
準シソーラス用語： 初潮 ,  理論モデル ,  デニール ,  行動選択 ,  *マルチエージェント , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (3件)： マルチエージェント ,  最適化 ,  観測