arXiv (Game Theory & AI)AI
社会的ルール合成のための誠実な多単位利益最適化メカニズム
A Truthful Multiunit Profit-Optimal Mechanism for Synthesizing Social Laws
この記事についてAIに質問する →
日本語要約青い用語にマウスを合わせると解説が表示されます
本論文は、戦略的な複数エージェント環境における社会的ルール合成(SLS)を新たな多単位メカニズム設計問題として研究しています。社会的ルール合成とは、複数のエージェントが相互作用する環境において、全体の利益を最大化しながら各エージェントの行動を誘導するルールを設計することを意味します。
研究チームは、交互時間時相論理(ATL)に基づくベイズ単一パラメータ調達オークションとしてSLSをモデル化し、誠実性、個別合理性、利益最適性を満たすメカニズムの設計を目指しました。まず、交互双模倣を尊重する任意の評価関数がATL式の特徴集合として簡潔に表現できることを示す表現補題を証明しています。次に、支払い決定を割り当て決定に多項式時間で変換することで、多単位設定に固有の不規則な支払い問題を解決しました。
割り当て決定がFP^NP完全であることを示した上で、ATL意味論を整数線形計画法(ILP)制約にエンコードすることで、標準的なソルバーで処理可能にしました。これらの結果に基づいて、提案されたPO-ASLメカニズムは誘因両立性を保ちながら個別合理性を満たし、期待利益を最大化します。理論的保証と具体例を通じて、戦略的エージェントの行動下で最適な社会的ルールを合成するための効果的で計算可能な解を提供しています。