抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
確率的微分ゲームは,例えばFintech産業からのP2P販売プラットフォーム,システムリスクのための銀行システム,および保険市場において,Financeにおけるエージェントの競争をモデル化するために広く使用された。最近提案された機械学習アルゴリズム,深い仮想的プレイは,大きなN層非対称確率微分ゲーム[J.HanとR.Hu,数学と科学機械学習会議,ページ221~245,PMLR,2020]のMarkovNash均衡を見つけるための新しい効率的ツールを提供する。仮想的プレイのアイデアを組み込むことによって,このアルゴリズムはゲームをNサブ最適化問題に分離して,並列および反復的に深い後方確率微分方程式(BSDE)方式によって各々のプレーヤーの最適戦略を同定した。本論文では,真のNash均衡に対する深い仮想プレイ(DFP)の収束を証明した。また,DFPに基づく戦略はeps-Nash均衡を形成することを示した。ゲームを切り離すための新アプローチを提案することによりアルゴリズムを一般化し,定理における技術的仮定を超えたアルゴリズムの経験的収束を示す大規模母集団ゲームの数値結果を提示した。【JST・京大機械翻訳】