論文の概要: A Formal Framework for Reasoning about Agents' Independence in
Self-organizing Multi-agent Systems
- arxiv url: http://arxiv.org/abs/2105.07648v1
- Date: Mon, 17 May 2021 07:32:43 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-18 14:32:45.828404
- Title: A Formal Framework for Reasoning about Agents' Independence in
Self-organizing Multi-agent Systems
- Title（参考訳）: 自己組織型マルチエージェントシステムにおけるエージェントの独立性に関する形式的枠組み
- Authors: Jieting Luo, Beishui Liao, John-Jules Meyer
- Abstract要約: 本稿では,自己組織型マルチエージェントシステムの論理ベースフレームワークを提案する。
このようなシステムを検証する計算の複雑さは、標準atlの領域に近いままであることを示す。
また、制約満足問題をモデル化するためにフレームワークを使用する方法も示します。
- 参考スコア（独自算出の注目度）: 0.7734726150561086
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Self-organization is a process where a stable pattern is formed by the
cooperative behavior between parts of an initially disordered system without
external control or influence. It has been introduced to multi-agent systems as
an internal control process or mechanism to solve difficult problems
spontaneously. However, because a self-organizing multi-agent system has
autonomous agents and local interactions between them, it is difficult to
predict the behavior of the system from the behavior of the local agents we
design. This paper proposes a logic-based framework of self-organizing
multi-agent systems, where agents interact with each other by following their
prescribed local rules. The dependence relation between coalitions of agents
regarding their contributions to the global behavior of the system is reasoned
about from the structural and semantic perspectives. We show that the
computational complexity of verifying such a self-organizing multi-agent system
remains close to the domain of standard ATL. We then combine our framework with
graph theory to decompose a system into different coalitions located in
different layers, which allows us to verify agents' full contributions more
efficiently. The resulting information about agents' full contributions allows
us to understand the complex link between local agent behavior and system level
behavior in a self-organizing multi-agent system. Finally, we show how we can
use our framework to model a constraint satisfaction problem.
- Abstract（参考訳）: 自己組織化は、外部の制御や影響のない初期の混乱したシステムの一部間の協調行動によって安定したパターンが形成されるプロセスである。
難しい問題を自発的に解決するための内部制御プロセスやメカニズムとしてマルチエージェントシステムにも導入されている。
しかし, 自己組織型マルチエージェントシステムには自律エージェントと局所的な相互作用があるため, 設計する局所エージェントの行動からシステムの挙動を予測することは困難である。
本稿では,エージェントが所定のローカルルールに従うことによって相互に対話する,自己組織型マルチエージェントシステムの論理的枠組みを提案する。
システム全体の行動への貢献に関するエージェントの連立関係は、構造的および意味的観点から推論される。
このような自己組織型マルチエージェントシステムを検証する計算複雑性は、標準ATLの領域に近づいたままである。
次に、我々のフレームワークとグラフ理論を組み合わせることで、システムを異なるレイヤにある異なる連立に分解し、エージェントの完全な貢献をより効率的に検証できます。
その結果,エージェントのフルコントリビューションに関する情報は,エージェントのローカル動作とシステムレベルの挙動の複雑な関係を自己組織型マルチエージェントシステムで理解することができる。
最後に,制約満足度問題をモデル化するためのフレームワークについて述べる。
関連論文リスト
- Agent-Oriented Planning in Multi-Agent Systems [54.429028104022066]
本稿では,高速なタスク分解とアロケーションプロセスを活用するマルチエージェントシステムにおけるエージェント指向計画のための新しいフレームワークを提案する。
提案フレームワークにフィードバックループを組み込んで,そのような問題解決プロセスの有効性と堅牢性をさらに向上させる。
論文 参考訳（メタデータ） (2024-10-03T04:07:51Z) - Internet of Agents: Weaving a Web of Heterogeneous Agents for Collaborative Intelligence [79.5316642687565]
既存のマルチエージェントフレームワークは、多種多様なサードパーティエージェントの統合に苦慮することが多い。
我々はこれらの制限に対処する新しいフレームワークであるInternet of Agents (IoA)を提案する。
IoAはエージェント統合プロトコル、インスタントメッセージのようなアーキテクチャ設計、エージェントのチーム化と会話フロー制御のための動的メカニズムを導入している。
論文 参考訳（メタデータ） (2024-07-09T17:33:24Z) - EvoAgent: Towards Automatic Multi-Agent Generation via Evolutionary Algorithms [55.77492625524141]
EvoAgentは進化的アルゴリズムによって専門家エージェントをマルチエージェントシステムに自動的に拡張する汎用的な手法である。
EvoAgentは複数の専門家エージェントを自動生成し,LLMエージェントのタスク解決能力を大幅に向上させることができることを示す。
論文 参考訳（メタデータ） (2024-06-20T11:49:23Z) - A cooperative strategy for diagnosing the root causes of quality requirement violations in multiagent systems [4.710921988115686]
本稿では,マルチエージェントシステムにおける品質要件違反の根本原因を特定することに焦点を当てた協調戦略を提案する。
この戦略により、エージェントは互いに協力し合って、これらの違反がサービスプロバイダや関連するコンポーネント、あるいは通信インフラから生じるものかどうかを識別できます。
論文 参考訳（メタデータ） (2024-04-18T14:41:33Z) - On the Complexity of Multi-Agent Decision Making: From Learning in Games
to Partial Monitoring [105.13668993076801]
マルチエージェント強化学習(MARL)理論における中心的な問題は、構造条件やアルゴリズムの原理がサンプル効率の学習保証につながるかを理解することである。
本稿では,複数のエージェントを用いた対話型意思決定のための一般的な枠組みとして,この問題について考察する。
マルチエージェント意思決定における統計的複雑性を特徴付けることは、単一エージェント決定の統計的複雑性を特徴付けることと等価であることを示す。
論文 参考訳（メタデータ） (2023-05-01T06:46:22Z) - Causal Explanations for Sequential Decision-Making in Multi-Agent
Systems [31.674391914683888]
CEMAは、シーケンシャルなマルチエージェントシステムにおけるエージェントの決定を因果自然言語で説明するためのフレームワークである。
CEMAは,他のエージェントが多数存在する場合でも,エージェントの決定の背後にある原因を正しく識別する。
我々は,CEMAの説明が参加者の自動運転車への信頼に肯定的な影響を及ぼすことを示す。
論文 参考訳（メタデータ） (2023-02-21T16:34:07Z) - Multi-Agent Imitation Learning with Copulas [102.27052968901894]
マルチエージェント模倣学習は、観察と行動のマッピングを学習することで、デモからタスクを実行するために複数のエージェントを訓練することを目的としている。
本稿では,確率変数間の依存を捉える強力な統計ツールである copula を用いて,マルチエージェントシステムにおける相関関係と協調関係を明示的にモデル化する。
提案モデルでは,各エージェントの局所的行動パターンと,エージェント間の依存構造のみをフルにキャプチャするコプラ関数を別々に学習することができる。
論文 参考訳（メタデータ） (2021-07-10T03:49:41Z) - An active inference model of collective intelligence [0.0]
本稿では,局所的な個人レベルの相互作用と集団的知性の関係をシミュレートする最小エージェントモデルを提案する。
その結果, エージェントの局所的最適とグローバル的最適の整合性の相補的なメカニズムを提供することにより, 段階的認知遷移がシステム性能を向上させることが示された。
論文 参考訳（メタデータ） (2021-04-02T14:32:01Z) - Modelling Cooperation in Network Games with Spatio-Temporal Complexity [11.665246332943058]
複雑なグリッドワールドドメインにおける自己組織化協調の出現について検討する。
マルチエージェント深層強化学習を用いて,エージェント・ソサエティの多種多様なメカニズムをシミュレートした。
本手法は,人間および人工エージェントシステムにおける機構設計に影響を及ぼす。
論文 参考訳（メタデータ） (2021-02-13T12:04:52Z) - Multi-Agent Interactions Modeling with Correlated Policies [53.38338964628494]
本稿では,マルチエージェントインタラクションモデリング問題をマルチエージェント模倣学習フレームワークに実装する。
相関ポリシー(CoDAIL)を用いた分散型適応模倣学習アルゴリズムの開発
様々な実験により、CoDAILはデモレーターに近い複雑な相互作用をより良く再生できることが示されている。
論文 参考訳（メタデータ） (2020-01-04T17:31:53Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。