論文の概要: The Complexity of Manipulation of k-Coalitional Games on Graphs

• arxiv url: http://arxiv.org/abs/2408.07368v1
• Date: Wed, 14 Aug 2024 08:29:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-15 14:04:00.429789
• Title: The Complexity of Manipulation of k-Coalitional Games on Graphs
• Title（参考訳）: グラフ上のk-Coalitional Gamesの操作の複雑さ
• Authors: Hodaya Barr, Yohai Trabelsi, Sarit Kraus, Liam Roditty, Noam Hazon,
• Abstract要約: グラフ上の$k$-coalitionalゲームにおける操作の複雑さについて検討する。 我々は,新しいタイプの操作,社会的に意識した操作を導入し,マニピュレータは社会福祉を減らさずにその効用を高めたいと考えた。
• 参考スコア（独自算出の注目度）: 16.183574136796715
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In many settings, there is an organizer who would like to divide a set of agents into $k$ coalitions, and cares about the friendships within each coalition. Specifically, the organizer might want to maximize utilitarian social welfare, maximize egalitarian social welfare, or simply guarantee that every agent will have at least one friend within his coalition. However, in many situations, the organizer is not familiar with the friendship connections, and he needs to obtain them from the agents. In this setting, a manipulative agent may falsely report friendship connections in order to increase his utility. In this paper, we analyze the complexity of finding manipulation in such $k$-coalitional games on graphs. We also introduce a new type of manipulation, socially-aware manipulation, in which the manipulator would like to increase his utility without decreasing the social welfare. We then study the complexity of finding socially-aware manipulation in our setting. Finally, we examine the frequency of socially-aware manipulation and the running time of our algorithms via simulation results.
• Abstract（参考訳）: 多くの設定において、一組のエージェントを$k$の連立に分割したい組織があり、それぞれの連立内の友情に気を配っている。 具体的には、実用的社会福祉の最大化、平等的社会福祉の最大化、あるいは全てのエージェントが自分の連合の中に少なくとも1人の友人を持つことを単に保証したいかもしれない。 しかし、多くの場合、主催者は友情関係に精通せず、エージェントからそれらを入手する必要がある。 この設定では、操作エージェントは、有用性を高めるために友情関係を誤って報告することができる。 本稿では,グラフ上のこのような$k$-coalitionalゲームにおける操作の複雑さを解析する。 また,社会福祉を低下させることなく,マニピュレータが有効性を高めたい,新たなタイプの操作,社会的に意識した操作を導入する。 次に、社会的に認識された操作を見つける複雑さについて研究する。 最後に、シミュレーション結果を用いて、社会的に認識された操作の頻度とアルゴリズムの実行時間について検討する。

関連論文リスト

• 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)
• Neural Population Learning beyond Symmetric Zero-sum Games [52.20454809055356]
  我々はNuPL-JPSROという,スキルの伝達学習の恩恵を受けるニューラル集団学習アルゴリズムを導入し,ゲームの粗相関(CCE)に収束する。 本研究は, 均衡収束型集団学習を大規模かつ汎用的に実施可能であることを示す。
  論文  参考訳（メタデータ） (2024-01-10T12:56:24Z)
• Collusion Detection in Team-Based Multiplayer Games [57.153233321515984]
  チームベースのマルチプレイヤーゲームにおいて,協調動作を検出するシステムを提案する。 提案手法は,ゲーム内行動パターンと組み合わせたプレイヤーの社会的関係を解析する。 次に,非教師なし学習手法であるアイソレーションフォレストによる検出を自動化する。
  論文  参考訳（メタデータ） (2022-03-10T02:37:39Z)
• Cooperative Artificial Intelligence [0.0]
  我々は,ゲーム理論と人工知能の交わりに関する研究の必要性を論じる。 本稿では,外部エージェントが人工学習者の協調を促進する方法について議論する。 また, 計画エージェントをオフにしても, 結果が一定のゲームにおいて安定であることを示す。
  論文  参考訳（メタデータ） (2022-02-20T16:50:37Z)
• Hidden Agenda: a Social Deduction Game with Diverse Learned Equilibria [57.74495091445414]
  社会的推論ゲームは、個人が他人に関する潜在的に信頼できない情報を合成する方法を学ぶための道を提供する。 本研究では,未知のチームアライメントのシナリオにおいて,学習エージェントを研究するための2D環境を提供する2チームソーシャル推論ゲームであるHidden Agendaを紹介する。 Hidden Agendaで訓練された強化学習エージェントは、自然言語でのコミュニケーションを必要とせずに、協力や投票など、さまざまな行動を学ぶことができることを示した。
  論文  参考訳（メタデータ） (2022-01-05T20:54:10Z)
• Finding General Equilibria in Many-Agent Economic Simulations Using Deep Reinforcement Learning [72.23843557783533]
  本研究では,エージェント種別のメタゲームに対して,エプシロン・ナッシュ平衡である安定解を求めることができることを示す。 私たちのアプローチはより柔軟で、例えば市場クリア化のような非現実的な仮定は必要ありません。 当社のアプローチは、実際のビジネスサイクルモデル、DGEモデルの代表的なファミリー、100人の労働者消費者、10社の企業、税金と再分配を行う政府で実証しています。
  論文  参考訳（メタデータ） (2022-01-03T17:00:17Z)
• SSAGCN: Social Soft Attention Graph Convolution Network for Pedestrian Trajectory Prediction [59.064925464991056]
  ソーシャルソフトアテンショングラフ畳み込みネットワーク(SSAGCN)という新しい予測モデルを提案する。 SSAGCNは、歩行者間の社会的相互作用と歩行者と環境間のシーンインタラクションを同時に扱うことを目的としている。 公開データセットの実験は、SAGCNの有効性を証明し、最先端の結果を得た。
  論文  参考訳（メタデータ） (2021-12-05T01:49:18Z)
• Emergent Prosociality in Multi-Agent Games Through Gifting [14.943238230772264]
  強化学習アルゴリズムは、複数の平衡が存在する場合、社会的に望まれない均衡に収束する。 我々は,より社会的に望ましい均衡に向けてエージェントを誘導する,制約の少ないピアリワード機構,ギフトの利用を提案する。 我々は、社会的均衡への収束における贈与の利点を捉えた理論的枠組みを用いる。
  論文  参考訳（メタデータ） (2021-05-13T23:28:30Z)
• When to (or not to) trust intelligent machines: Insights from an evolutionary game theory analysis of trust in repeated games [0.8701566919381222]
  繰り返しゲームにおける信頼に基づく戦略の実現可能性について検討する。 これらは、他のプレイヤーが協力していると見られる限り協力する相互戦略である。 これにより、共同プレイヤのアクションが実際に協調的であるかどうかを検証する機会コストを削減できる。
  論文  参考訳（メタデータ） (2020-07-22T10:53:49Z)
• Learning to Resolve Alliance Dilemmas in Many-Player Zero-Sum Games [22.38765498549914]
  我々は多人数ゼロサムゲームの体系的な研究が人工知能研究の重要な要素であると主張している。 対称ゼロサム行列ゲームを用いて、アライアンス形成が社会的ジレンマと見なされることを示す。 我々は、強化学習をピアツーピア契約機構で強化し、アライアンスを発見・実施する方法を示す。
  論文  参考訳（メタデータ） (2020-02-27T10:32:31Z)
• Inducing Cooperative behaviour in Sequential-Social dilemmas through Multi-Agent Reinforcement Learning using Status-Quo Loss [16.016452248865132]
  社会的ジレンマの状況では、個々人の合理性は準最適集団の結果をもたらす。 個人報酬を最適化するために訓練された深層強化学習エージェントは、利己的で相互に有害な行動に収束する。 いくつかのソーシャルジレンマ行列ゲームにおいて、SQLossで訓練されたエージェントが協調行動をどのように進化させるかを示す。
  論文  参考訳（メタデータ） (2020-01-15T18:10:46Z)

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。