論文の概要: Social welfare optimisation in well-mixed and structured populations
- arxiv url: http://arxiv.org/abs/2512.07453v2
- Date: Sun, 14 Dec 2025 22:37:13 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-12-16 15:10:29.127876
- Title: Social welfare optimisation in well-mixed and structured populations
- Title（参考訳）: 地域社会における社会福祉の最適化
- Authors: Van An Nguyen, Vuong Khang Huynh, Ho Nam Duong, Huu Loi Bui, Hai Anh Ha, Quang Dung Le, Le Quoc Dung Ngo, Tan Dat Nguyen, Ngoc Ngu Nguyen, Hoai Thuong Nguyen, Zhao Song, Le Hong Trang, The Anh Han,
- Abstract要約: 我々は,最大社会福祉の実現は,エージェントを望ましい協力状態に導くために必要な最小のインセンティブコストで保証されないことを示す。
その結果, 純コスト効率や協力頻度を最適化し, 最大社会福祉を最適化することで, 個人ごとのインセンティブコストに大きな差があることが判明した。
総じて, 多エージェントシステムと人間社会におけるインセンティブ設計, 政策, ベンチマークは, コストや協力頻度のプロキシターゲットよりも, 福祉中心の目標を優先すべきであることが示唆された。
- 参考スコア（独自算出の注目度）: 6.45507185761727
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Research on promoting cooperation among autonomous, self-regarding agents has often focused on the bi-objective optimisation problem: minimising the total incentive cost while maximising the frequency of cooperation. However, the optimal value of social welfare under such constraints remains largely unexplored. In this work, we hypothesise that achieving maximal social welfare is not guaranteed at the minimal incentive cost required to drive agents to a desired cooperative state. To address this gap, we adopt to a single-objective approach focused on maximising social welfare, building upon foundational evolutionary game theory models that examined cost efficiency in finite populations, in both well-mixed and structured population settings. Our analytical model and agent-based simulations show how different interference strategies, including rewarding local versus global behavioural patterns, affect social welfare and dynamics of cooperation. Our results reveal a significant gap in the per-individual incentive cost between optimising for pure cost efficiency or cooperation frequency and optimising for maximal social welfare. Overall, our findings indicate that incentive design, policy, and benchmarking in multi-agent systems and human societies should prioritise welfare-centric objectives over proxy targets of cost or cooperation frequency.
- Abstract（参考訳）: 自律的、自己尊重的エージェント間の協力を促進する研究は、しばしば、二目的最適化問題、すなわち、協力の頻度を最大化しながら、総インセンティブコストを最小化することに焦点を当てている。
しかし、このような制約の下での社会福祉の最適価値は、まだ明らかにされていない。
本研究は,エージェントを望ましい協力状態に導くために必要な最小インセンティブコストにおいて,最大社会福祉を達成することは保証されないと仮定する。
このギャップに対処するため、我々は、社会福祉の最大化に焦点をあてた単一目的のアプローチを採用し、有限集団におけるコスト効率を十分に混合されたものと構造化された人口設定の両方で検証する基礎進化ゲーム理論モデルを構築した。
我々の分析モデルとエージェントベースシミュレーションは、局所的行動パターンとグローバルな行動パターンの報酬を含む異なる干渉戦略が社会福祉や協力のダイナミクスにどのように影響するかを示す。
その結果, 純コスト効率や協力頻度を最適化し, 最大社会福祉を最適化することで, 個人ごとのインセンティブコストに大きな差があることが判明した。
総じて, 多エージェントシステムと人間社会におけるインセンティブ設計, 政策, ベンチマークは, コストや協力頻度のプロキシターゲットよりも, 福祉中心の目標を優先すべきであることが示唆された。
関連論文リスト
- Social Welfare Function Leaderboard: When LLM Agents Allocate Social Welfare [87.06241096619112]
大規模言語モデル(LLM)は、人間の福祉に影響を及ぼす高い意思決定にますます信頼されている。
本稿では, LLMが主権アロケータとして機能する動的シミュレーション環境である社会福祉機能ベンチマークを紹介する。
我々は、20の最先端LCMを評価し、社会福祉確保のための第1のリーダーボードを提示する。
論文 参考訳（メタデータ） (2025-10-01T17:52:31Z) - Population-Aligned Persona Generation for LLM-based Social Simulation [58.84363795421489]
本稿では,社会シミュレーションのための高品質な集団対応ペルソナ集合を合成するための体系的枠組みを提案する。
我々のアプローチは、長期のソーシャルメディアデータから物語的ペルソナを生成するために、大きな言語モデルを活用することから始まる。
特定のシミュレーションコンテキストのニーズに対処するために,対象のサブポピュレーションに対してグローバルに整合したペルソナを適応させるタスク固有モジュールを提案する。
論文 参考訳（メタデータ） (2025-09-12T10:43:47Z) - From Individual to Multi-Agent Algorithmic Recourse: Minimizing the Welfare Gap via Capacitated Bipartite Matching [9.37591403853433]
本稿では,マルチエージェント・アルゴリズム・リコースのための新しいフレームワークを提案する。
我々のフレームワークは,システム設定に最小限の修正を加えて,多対多のアルゴリズムでほぼ最適の福祉を実現することができる。
論文 参考訳（メタデータ） (2025-08-14T21:04:24Z) - Evolutionary mechanisms that promote cooperation may not promote social welfare [1.7819574476785418]
協力度を最大化する目的と社会福祉を最大化する目的とが、しばしば不一致であることを示す。
社会・集団商品の進化的メカニズムを設計・実装する際に,社会福祉を主目的とする必要性を論じる。
論文 参考訳（メタデータ） (2024-08-09T22:51:13Z) - Reduced-Rank Multi-objective Policy Learning and Optimization [57.978477569678844]
実際には、因果研究者は先験を念頭において1つの結果を持っていない。
政府支援の社会福祉プログラムでは、政策立案者は貧困の多次元的性質を理解するために多くの成果を集めている。
本稿では、最適政策学習の文脈において、複数の結果に対するデータ駆動型次元性推論手法を提案する。
論文 参考訳（メタデータ） (2024-04-29T08:16:30Z) - Social Diversity Reduces the Complexity and Cost of Fostering Fairness [63.70639083665108]
不完全な情報や公平性の柔軟な基準を前提とした干渉機構の効果について検討する。
多様性の役割を定量化し、情報収集の必要性を減らす方法を示す。
この結果から,多様性が変化し,公正性向上を目指す機関に新たなメカニズムが開放されることが示唆された。
論文 参考訳（メタデータ） (2022-11-18T21:58:35Z) - Controlling the Outbreak of COVID-19: A Noncooperative Game Perspective [61.558752620308134]
孤立と社会的距離は、このパンデミックを抑える効果的な予防措置のようだ。
我々は、新型コロナウイルスの感染拡大を防ぐために、社会的距離を維持するためのインセンティブを提供する非協力型ゲームを提案する。
数値的な結果は、個人のインセンティブが85%以上増加し、家庭隔離の割合が増加することを示している。
論文 参考訳（メタデータ） (2020-07-27T04:28:32Z) - Decentralized Reinforcement Learning: Global Decision-Making via Local
Economic Transactions [80.49176924360499]
我々は、シーケンシャルな意思決定問題を解決するために、単純で専門的で自己関心のあるエージェントの社会を指示する枠組みを確立する。
我々は分散強化学習アルゴリズムのクラスを導出する。
我々は、より効率的な移動学習のための社会固有のモジュラー構造の潜在的な利点を実証する。
論文 参考訳（メタデータ） (2020-07-05T16:41:09Z) - Emergent cooperation through mutual information maximization [0.0]
協調型マルチエージェントシステムの設計のための分散型深層強化学習アルゴリズムを提案する。
このアルゴリズムは、高度に相関した行動が協調システムの特徴であるという仮説に基づいている。
エージェント間の相互情報の相互作用は、社会的ジレンマにおける協調の出現を促進すると結論付けている。
論文 参考訳（メタデータ） (2020-06-21T11:15:55Z) - Fair Influence Maximization: A Welfare Optimization Approach [34.39574750992602]
我々は、公正な影響アルゴリズムが満たすべき特性を原則的に特徴づける。
この枠組みの下では、公平性と効率性のトレードオフは単一の設計逆転パラメータによって制御できる。
我々の枠組みは、特殊ケースのレキシミンと比例フェアネスを包含する。
論文 参考訳（メタデータ） (2020-06-14T14:08:10Z)
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。