論文の概要: Cooperative Multi-Agent Search on Endogenously-Changing Fitness Landscapes

• arxiv url: http://arxiv.org/abs/2206.13844v1
• Date: Tue, 28 Jun 2022 09:21:30 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-02 12:50:59.342960
• Title: Cooperative Multi-Agent Search on Endogenously-Changing Fitness Landscapes
• Title（参考訳）: 内在性適合性景観の協調的マルチエージェント探索
• Authors: Chin Woei Lim, Richard Allmendinger, Joshua Knowles, Ayesha Alhosani, Mercedes Bleda
• Abstract要約: エージェント(代表者)がビジネスの「ランドスケープ」でどのように協力し、適応するかをモデル化するために、マルチエージェントシステムを使用します。 我々の研究は、認知的・経験的検索に恵まれている企業や、他の企業と協力する能力が、これらの能力によってより迅速かつ順応的に適応できるかどうかを調査する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We use a multi-agent system to model how agents (representing firms) may collaborate and adapt in a business 'landscape' where some, more influential, firms are given the power to shape the landscape of other firms. The landscapes we study are based on the well-known NK model of Kauffman, with the addition of 'shapers', firms that can change the landscape's features for themselves and all other players. Our work investigates how firms that are additionally endowed with cognitive and experiential search, and the ability to form collaborations with other firms, can use these capabilities to adapt more quickly and adeptly. We find that, in a collaborative group, firms must still have a mind of their own and resist direct mimicry of stronger partners to attain better heights collectively. Larger groups and groups with more influential members generally do better, so targeted intelligent cooperation is beneficial. These conclusions are tentative, and our results show a sensitivity to landscape ruggedness and "malleability" (i.e. the capacity of the landscape to be changed by the shaper firms). Overall, our work demonstrates the potential of computer science, evolution, and machine learning to contribute to business strategy in these complex environments.
• Abstract（参考訳）: 我々は、エージェント(代表会社)が協力し、より影響力のある企業が他の企業の景観を形成する権限を与えられるビジネス「ランドスケープ」に適応する方法をモデル化するために、マルチエージェントシステムを使用します。 私たちが研究しているランドスケープは、Kauffmanのよく知られたNKモデルに基づいており、"シェーパー"が追加された。 我々の研究は、認知的および経験的な検索と、他の企業とのコラボレーションを構築する能力によって、これらの能力がより迅速かつ順応的に適応できるかどうかを調査する。 協力的なグループでは、企業は自分自身の考えを持ち続け、より強力なパートナーの直接の模倣に抵抗して、団結して高みを得る必要があることが分かっています。 より大きなグループやより影響力のあるグループの方が、一般的にはうまく機能するので、ターゲットとするインテリジェントな協力は有益です。 これらの結論は仮のものであり,この結果から,景観の頑固さや「可搬性」(造形会社によって変化する景観のキャパシティ)に対する感受性が示された。 我々の研究は、これらの複雑な環境でのビジネス戦略に貢献するコンピュータサイエンス、進化、機械学習の可能性を示している。

関連論文リスト

• Efficient Adaptation in Mixed-Motive Environments via Hierarchical Opponent Modeling and Planning [51.52387511006586]
  本稿では,HOP(Hierarchical Opponent Modeling and Planning)を提案する。 HOPは階層的に2つのモジュールから構成される: 相手の目標を推論し、対応する目標条件のポリシーを学ぶ、反対モデリングモジュール。 HOPは、さまざまな未確認エージェントと相互作用する際、優れた少数ショット適応能力を示し、セルフプレイのシナリオで優れている。
  論文  参考訳（メタデータ） (2024-06-12T08:48:06Z)
• Scaling Large-Language-Model-based Multi-Agent Collaboration [75.5241464256688]
  大規模言語モデルによるエージェントのパイオニア化は、マルチエージェントコラボレーションの設計パターンを暗示している。 神経スケーリング法則に触発された本研究では,マルチエージェント協調におけるエージェントの増加に類似の原理が適用されるかを検討する。
  論文  参考訳（メタデータ） (2024-06-11T11:02:04Z)
• SocialGFs: Learning Social Gradient Fields for Multi-Agent Reinforcement Learning [58.84311336011451]
  マルチエージェント強化学習のための新しい勾配に基づく状態表現を提案する。 オフラインサンプルからソーシャルグラデーションフィールド(SocialGF)を学習するために,デノジングスコアマッチングを採用している。 実際に、SocialGFをMAPPOなど、広く使われているマルチエージェント強化学習アルゴリズムに統合する。
  論文  参考訳（メタデータ） (2024-05-03T04:12:19Z)
• Post-Pandemic Hybrid Work in Software Companies: Findings from an Industrial Case Study [0.0]
  パンデミックの間、ソフトウェア専門家は自分の経験から、彼らの仕事のほとんどはリモートで行うことができると学んだ。 ソフトウェア企業は、有能なプロフェッショナルの辞任を避けるために、ハイブリッドワークモデルを採用することが期待されている。 しかしながら、パンデミック後の時代に追従すべき、しっかりと確立されたハイブリッドな作業構成は存在しない。
  論文  参考訳（メタデータ） (2024-01-17T02:08:37Z)
• CompeteAI: Understanding the Competition Dynamics in Large Language Model-based Agents [43.46476421809271]
  大規模言語モデル(LLM)は、様々なタスクを完了させるエージェントとして広く使われている。 本稿ではエージェント間の競合を研究するための一般的な枠組みを提案する。 そして、GPT-4を用いて仮想街をシミュレートする現実的な競争環境を構築する。
  論文  参考訳（メタデータ） (2023-10-26T16:06:20Z)
• AgentVerse: Facilitating Multi-Agent Collaboration and Exploring Emergent Behaviors [93.38830440346783]
  本稿では,その構成をより高機能なシステムとして協調的に調整できるマルチエージェントフレームワークを提案する。 実験により,フレームワークが単一エージェントより優れたマルチエージェントグループを効果的に展開できることが実証された。 これらの振舞いの観点から、我々は、ポジティブなものを活用し、ネガティブなものを緩和し、マルチエージェントグループの協調可能性を改善するためのいくつかの戦略について議論する。
  論文  参考訳（メタデータ） (2023-08-21T16:47:11Z)
• Evolving Strategies for Competitive Multi-Agent Search [12.699427247517031]
  本稿では,競争的マルチエージェントサーチ(CMAS)として人間の創造的問題解決を最初に定式化する。 主な仮説は、進化的計算を用いてCMASの効果的な戦略を発見することである。 異なる競争環境ごとに異なる専門戦略が進化し、環境全体にわたってうまく機能する一般的な戦略も進化する。
  論文  参考訳（メタデータ） (2023-06-18T21:35:41Z)
• Adaptive Coordination in Social Embodied Rearrangement [49.35582108902819]
  本研究では,エージェントが新しいパートナーと協力し,ロボットが新しいパートナーと協力するシナリオをエミュレートする作業において,ゼロショットコーディネート(ZSC)を研究する。 本稿では,識別可能性の目的を通じて多様性を促進する新しいZSCアプローチである行動多様性プレイ(BDP)を提案する。 以上の結果から,BDPは視覚的コーディネーションに対処可能な適応エージェントを学習し,ゼロショットは未確認環境において新たなパートナーに一般化し,ベースラインに比べて35%,効率が32%向上した。
  論文  参考訳（メタデータ） (2023-05-31T18:05:51Z)
• Understanding the World to Solve Social Dilemmas Using Multi-Agent Reinforcement Learning [0.7161783472741748]
  マルチエージェント強化学習環境で世界モデルを学ぶ自己関心有理エージェントの行動について検討する。 シミュレーションの結果,社会的ジレンマが生じるシナリオを扱う場合,世界モデルによって支えられたエージェントのグループは,他のテストされたエージェントよりも優れていた。
  論文  参考訳（メタデータ） (2023-05-19T00:31:26Z)
• Flexible social inference facilitates targeted social learning when rewards are not observable [58.762004496858836]
  グループは、個人が他人の成功から学べるときにより効果的にコーディネートする。 社会的推論能力は、このギャップを埋める助けとなり、個人が他人の基本的な知識に対する信念を更新し、観察可能な行動軌跡から成功することを示唆する。
  論文  参考訳（メタデータ） (2022-12-01T21:04:03Z)
• A mechanism of Individualistic Indirect Reciprocity with internal and external dynamics [0.0]
  本研究は,エージェントの態度に着目した Nowak モデルと Sigmund モデルの新しい変種を提案する。 エージェントベースモデルとデータサイエンス手法を用いて,エージェントの識別的スタンスがほとんどの場合優位であることを示す。 また, 他者の評判が不明な場合には, 不均一性が高く, 協力需要が高い場合には, 異種社会が得られることも示唆した。
  論文  参考訳（メタデータ） (2021-05-28T23:28:50Z)

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。