論文の概要: Strategies for Resource Allocation of Two Competing Companies using Genetic Algorithm

• arxiv url: http://arxiv.org/abs/2507.02952v1
• Date: Sun, 29 Jun 2025 14:52:35 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-07-08 15:46:34.466127
• Title: Strategies for Resource Allocation of Two Competing Companies using Genetic Algorithm
• Title（参考訳）: 遺伝的アルゴリズムを用いた2つの競合企業の資源配分戦略
• Authors: Wing Keung Cheung, Kwok Yip Szeto,
• Abstract要約: 商店街のショッピングモールにおける店舗の戦略的立地について検討し,企業による市場シェアの最終的な支配のための最善の戦略を見出すことを目的とした。 この問題は、2次元イジングモデルの枠組みに記述されたメトロポリスにおける2つの競合するスーパーマーケットチェーンの文脈で提起される。
• 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 investigate various strategic locations of shops in shopping malls in a metropolis with the aim of finding the best strategy for final dominance of market share by a company in a competing environment. The problem is posed in the context of two competing supermarket chains in a metropolis, described in the framework of the two-dimensional Ising model. Evolutionary Algorithm is used to encode the ensemble of initial configurations and Monte Carlo method is used to evolve the pattern. Numerical simulation indicates that initial patterns with certain topological properties do evolve faster to market dominance. The description of these topological properties is given and suggestions are made on the initial pattern so as to evolve faster to market dominance.
• Abstract（参考訳）: 本研究では,都市部におけるショッピングモールにおける店舗の戦略的立地について検討し,競合する企業による市場シェアの最終的な支配のための最善の戦略を見出すことを目的とした。 この問題は、2次元イジングモデルの枠組みに記述されたメトロポリスにおける2つの競合するスーパーマーケットチェーンの文脈で提起される。 進化的アルゴリズムは初期構成のアンサンブルを符号化し、モンテカルロ法はパターンの進化に使用される。 数値シミュレーションにより、あるトポロジカルな性質を持つ初期パターンは市場支配よりも早く進化することが示された。 これらのトポロジカルな性質について記述し、市場支配を早めるために初期パターンについて提案する。

関連論文リスト

• HGFormer: A Hierarchical Graph Transformer Framework for Two-Stage Colonel Blotto Games via Reinforcement Learning [4.144893164317513]
  ブロット大佐の2段階のゲームは典型的な逆資源割り当て問題を表す。 本稿ではHGformerと呼ばれる階層型グラフトランスフォーマフレームワークを提案する。 本手法により,大規模環境における効率的な政策生成が可能となる。
  論文  参考訳（メタデータ） (2025-06-10T08:51:18Z)
• Edge Classification on Graphs: New Directions in Topological Imbalance [53.42066415249078]
  異なるクラスにまたがるエッジの歪んだ分布から生じる新しいトポロジカル不均衡問題」を同定する。 本稿では,各エッジのトポロジ的不均衡を測定する新しいトポロジ的指標であるトポロジカルエントロピー(TE)を紹介する。 TEをベースとした(合成)エッジのトレーニングに重点を置くため、トポロジカルリウェイトリングとTEウェッジベースのMixupという2つの戦略を開発した。
  論文  参考訳（メタデータ） (2024-06-17T16:02:36Z)
• CompetEvo: Towards Morphological Evolution from Competition [60.69068909395984]
  エージェントの設計と戦術を共進化させる競争進化(CompetEvo)を提案する。 その結果,エージェントがより適切な設計と戦略を進化させることができることがわかった。
  論文  参考訳（メタデータ） (2024-05-28T15:53:02Z)
• An Invariant Information Geometric Method for High-Dimensional Online Optimization [9.538618632613714]
  本稿では,対応するフレームワークから派生した,完全な不変性指向進化戦略アルゴリズムを提案する。 ベイズ最適化と進化戦略における主要なアルゴリズムに対してSynCMAをベンチマークする。 あらゆるシナリオにおいて、SynCMAはサンプル効率において他のアルゴリズムよりも優れた能力を示す。
  論文  参考訳（メタデータ） (2024-01-03T07:06:26Z)
• How to Use Reinforcement Learning to Facilitate Future Electricity Market Design? Part 2: Method and Applications [7.104195252081324]
  本稿では, 強化学習(RL)に基づくシミュレーションを用いて, 共同電力市場設計のパラダイム理論と詳細な手法を開発する。 マルコフゲームモデルを開発し、市場設計の選択肢と不確実なリスクをモデル定式化に組み込む方法を示す。 第1部で開発された一般化市場シミュレーション手法の実践的実装として,マルチエージェントポリシ近位最適化(MAPPO)アルゴリズムについて詳述する。
  論文  参考訳（メタデータ） (2023-05-04T01:36:42Z)
• No-Regret Learning in Two-Echelon Supply Chain with Unknown Demand Distribution [48.27759561064771]
  我々は[Cachon and Zipkin, 1999]で導入された2つのエケロンサプライチェーンモデルについて, 2つの異なる設定で検討する。 両設定の最適在庫決定に対する後悔と収束の両面において良好な保証を達成するアルゴリズムを設計する。 私たちのアルゴリズムは、オンライングラディエントDescentとOnline Newton Stepをベースとしています。
  論文  参考訳（メタデータ） (2022-10-23T08:45:39Z)
• Super-model ecosystem: A domain-adaptation perspective [101.76769818069072]
  本稿では,ドメイン適応による新たなスーパーモデルパラダイムの理論的基礎を確立することを試みる。 スーパーモデルパラダイムは、計算とデータコストと二酸化炭素排出量を減らすのに役立つ。
  論文  参考訳（メタデータ） (2022-08-30T09:09:43Z)
• Learn to Match with No Regret: Reinforcement Learning in Markov Matching Markets [151.03738099494765]
  我々は、市場の両側でプランナーと戦略エージェントのセットを含むマルコフマッチング市場について検討する。 本稿では,楽観的な値反復と最大重みマッチングを組み合わせた強化学習フレームワークを提案する。 我々は,アルゴリズムがサブ線形後悔を実現することを証明した。
  論文  参考訳（メタデータ） (2022-03-07T19:51:25Z)
• Machine Learning based refinement strategies for polyhedral grids with applications to Virtual Element and polyhedral Discontinuous Galerkin methods [0.0]
  ポリヘドラルグリッドリファインメントを扱うための2つの新しい戦略を提案する。 1つはk平均クラスタリングアルゴリズムを用いて、精製されるポリヘドロンの点を分割する。 2つ目は、畳み込みニューラルネットワークを使用して、要素の「形」を分類し、「アドホック」精製基準を定義する。
  論文  参考訳（メタデータ） (2022-02-25T12:21:51Z)
• A Parallel Evolutionary Multiple-Try Metropolis Markov Chain Monte Carlo Algorithm for Sampling Spatial Partitions [0.0]
  本研究では,空間状態空間内に存在する空間分割をサンプリングする進化的マルコフ連鎖モンテカルロ法(EMCMC)を提案する。 提案アルゴリズムは, 大規模かつ複雑な状態空間トラバーサルとしての進化的アルゴリズム(EA)の利点と, 未知分布からのサンプリングのためのマルコフ・チェイン・モンテカルロアルゴリズムの理論的収束特性を組み合わせたものである。 我々は,大規模並列アーキテクチャによる計算能力を活用して,EMCMCアルゴリズムの到達範囲をさらに拡大する。
  論文  参考訳（メタデータ） (2020-07-22T14:28:44Z)
• Decentralized MCTS via Learned Teammate Models [89.24858306636816]
  本稿では,モンテカルロ木探索に基づくトレーニング可能なオンライン分散計画アルゴリズムを提案する。 深層学習と畳み込みニューラルネットワークを用いて正確なポリシー近似を作成可能であることを示す。
  論文  参考訳（メタデータ） (2020-03-19T13:10:20Z)

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。