レストレスマルチアームバンディットゲームにおけるマルチエージェントの最適学習動力学【JST・京大機械翻訳】

Nakayama Kazuaki; Nakamura Ryuzo; Hisakado Masato; Mori Shintaro

プレプリント

J-GLOBAL ID：202202205258689718 整理番号：22P0101886

レストレスマルチアームバンディットゲームにおけるマルチエージェントの最適学習動力学【JST・京大機械翻訳】

Optimal Learning Dynamics of Multi Agents in Restless Multiarmed Bandit Game

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年01月17日プレプリントサーバーでの情報更新日： 2020年01月17日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

社会学習は,他の個人との相互作用の観測を通して学習する。それは,社会物理学における人間の集団行動の理解に重要である。休止レスマルチアームバンド(rMAB)におけるエージェントの学習過程を研究した。各腕のバイナリ支払いは,ランダム(個人学習)で腕を探索するか,または他のエージェント(社会的学習)によって利用される腕をコピーする,支払い1の腕を利用することによって,ランダムに,そして,エージェントは,それらの支払いを最大にする。システムは,社会的および個々の学習の混合戦略空間において,ParetoおよびNash均衡を持った。著者らは,エージェントが戦略空間においてそれらの期待した支払いを最大にするいくつかのモデルを研究して,この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,実験を実施し,ヒト参加者が最適戦略を採用するかどうかを調査した。この実験では,3人の参加者はゲームを演ずる。各群の報酬が支払いの合計に比例するならば,社会的学習率の中央値は,Pareto平衡のものとほぼ一致した。【JST・京大機械翻訳】

, , , , , ,
, , , , , , , 【Automatic Indexing@JST】

人工知能

, ,

前のページに戻る