論文の概要: Adaptive Agents in Spatial Double-Auction Markets: Modeling the Emergence of Industrial Symbiosis

• arxiv url: http://arxiv.org/abs/2512.17979v1
• Date: Fri, 19 Dec 2025 13:24:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-12-23 18:54:32.134803
• Title: Adaptive Agents in Spatial Double-Auction Markets: Modeling the Emergence of Industrial Symbiosis
• Title（参考訳）: 空間的複売市場における適応的エージェント--産業共生の創発をモデル化する
• Authors: Matthieu Mastio, Paul Saves, Benoit Gaudou, Nicolas Verstaevel,
• Abstract要約: 産業共生は、企業が残留資源を再利用できるようにすることで円を育む。 既存のモデルは、しばしば空間構造、市場設計、適応的ファーム行動の間の相互作用を見落としている。 異種企業が空間的に埋め込まれた複競売市場を通して副産物を取引するエージェントベースモデルを開発する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Industrial symbiosis fosters circularity by enabling firms to repurpose residual resources, yet its emergence is constrained by socio-spatial frictions that shape costs, matching opportunities, and market efficiency. Existing models often overlook the interaction between spatial structure, market design, and adaptive firm behavior, limiting our understanding of where and how symbiosis arises. We develop an agent-based model where heterogeneous firms trade byproducts through a spatially embedded double-auction market, with prices and quantities emerging endogenously from local interactions. Leveraging reinforcement learning, firms adapt their bidding strategies to maximize profit while accounting for transport costs, disposal penalties, and resource scarcity. Simulation experiments reveal the economic and spatial conditions under which decentralized exchanges converge toward stable and efficient outcomes. Counterfactual regret analysis shows that sellers' strategies approach a near Nash equilibrium, while sensitivity analysis highlights how spatial structures and market parameters jointly govern circularity. Our model provides a basis for exploring policy interventions that seek to align firm incentives with sustainability goals, and more broadly demonstrates how decentralized coordination can emerge from adaptive agents in spatially constrained markets.
• Abstract（参考訳）: 産業共生は、企業が残留資源を再利用できるようにすることで円周性を促進するが、その出現は、コスト、マッチング機会、市場効率を形作る社会空間摩擦によって制限されている。 既存のモデルは、しばしば空間構造、市場デザイン、適応的な企業行動の相互作用を見落とし、どのように共生が起こるかという私たちの理解を制限する。 我々は,異種企業が空間的に埋め込まれた複誘引市場を通じて副産物を取引するエージェントベースモデルを構築した。 強化学習を活用して、企業は、輸送コスト、処分の罰則、資源不足を考慮して利益を最大化するために入札戦略を適用する。 シミュレーション実験により、分散された交換が安定かつ効率的な結果へと収束する経済的・空間的条件が明らかにされる。 反実的後悔分析は、売り手の戦略がほぼナッシュ均衡に近づき、感度分析は空間構造と市場パラメータが円を共同で支配することを示す。 我々のモデルは、持続可能性目標としっかりとしたインセンティブを一致させようとする政策介入を探求する基盤を提供し、より広範に、空間的に制約された市場において、適応的エージェントから分散的調整がどのように出現するかを実証する。

関連論文リスト

• Coupling Agent-based Modeling and Life Cycle Assessment to Analyze Trade-offs in Resilient Energy Transitions [11.897157516218057]
  持続的で回復力のあるエネルギーシステムに移行するには、環境、社会、資源の次元にわたって複雑で相互依存的なトレードオフをナビゲートする必要がある。 本稿では,エージェント・ベース・モデリングとライフサイクル・アセスメント(LCA)を組み合わせて,エネルギー遷移経路が地域資源競争,生態的制約,地域レベルの負担とどのように相互作用するかをシミュレートする統合モデリング・フレームワークを提案する。 その結果、統合的かつマルチスケールな意思決定が、エネルギー経路の展開を形作って、シナリオ駆動の制約の下で空間的に明示的なトレードオフを明らかにするかが示される。
  論文  参考訳（メタデータ） (2025-11-10T07:28:03Z)
• Emergence from Emergence: Financial Market Simulation via Learning with Heterogeneous Preferences [3.722808691920657]
  我々は、不均一なリスク回避、時間割引、情報アクセスに支えられたエージェントが取引戦略を総合的に学習するマルチエージェント強化学習フレームワークを開発する。 実験の結果, (i) 不均一な嗜好による学習は, エージェントが個々の特性に整合した戦略を発達させ, 市場における行動分化とニッチな特殊化を促進させ, (ii) 差別化されたエージェントによるインタラクションが, 現実的な市場ダイナミクスの出現に不可欠であることを明らかにした。
  論文  参考訳（メタデータ） (2025-11-07T12:54:27Z)
• Magentic Marketplace: An Open-Source Environment for Studying Agentic Markets [74.91125572848439]
  本稿では,サービスエージェントが消費者を代表し,サービスエージェントが競合するビジネスを代表する2面のエージェントマーケットプレースについて検討する。 この環境では、ユーティリティエージェントが達成する行動バイアス、操作に対する脆弱性、検索メカニズムが市場の結果をどのように形作るか、といった主要な市場ダイナミクスを研究することができる。 実験の結果、フロンティアモデルは最適な福祉に近づくことができるが、理想的な探索条件下でのみ適用可能であることが判明した。
  論文  参考訳（メタデータ） (2025-10-27T18:35:59Z)
• Reinforcement Learning-Based Market Making as a Stochastic Control on Non-Stationary Limit Order Book Dynamics [0.0]
  強化学習(Reinforcement Learning)は、適応型およびデータ駆動型戦略を開発するための有望なフレームワークとして登場した。 本稿では,市場形成における強化学習エージェントの統合について考察する。
  論文  参考訳（メタデータ） (2025-09-15T21:08:13Z)
• From Bias to Behavior: Learning Bull-Bear Market Dynamics with Contrastive Modeling [13.039189005779534]
  本稿では、投資家主導の市場ダイナミクスにおけるブル・ベア体制の可能性について考察する。 本稿では,時間的価格列と外部コンテキスト信号を共有潜在空間に埋め込む統合フレームワークであるB4(Bias to Behavior from Bull-Bear Dynamics Model)を提案する。 我々のモデルは市場のトレンドを予測する上で優れたパフォーマンスを実現し、バイアスや投資家の行動、市場のダイナミクスの相互作用に関する解釈可能な洞察を提供する。
  論文  参考訳（メタデータ） (2025-07-12T11:36:26Z)
• Multi-Agent Dynamic Relational Reasoning for Social Robot Navigation [50.01551945190676]
  社会ロボットナビゲーションは、日常生活の様々な状況において有用であるが、安全な人間とロボットの相互作用と効率的な軌道計画が必要である。 本稿では, 動的に進化する関係構造を明示的に推論した系統的関係推論手法を提案する。 マルチエージェント軌道予測とソーシャルロボットナビゲーションの有効性を実証する。
  論文  参考訳（メタデータ） (2024-01-22T18:58:22Z)
• Finding Regularized Competitive Equilibria of Heterogeneous Agent Macroeconomic Models with Reinforcement Learning [151.03738099494765]
  労働市場に参入する世帯や企業を無限に数える異種エージェントマクロ経済モデルについて検討する。 本稿では,モデルの正規化競争均衡を求めるデータ駆動強化学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-02-24T17:16:27Z)
• Towards Multi-Agent Reinforcement Learning driven Over-The-Counter Market Simulations [16.48389671789281]
  オーバー・ザ・カウンタ市場において,流動性提供者と流動性取扱業者が相互作用するゲームについて検討した。 互いに対戦することで、深層強化学習主体のエージェントは創発的な行動を学ぶ。 遷移性仮定の下で,多エージェントポリシー勾配アルゴリズムの収束率を示す。
  論文  参考訳（メタデータ） (2022-10-13T17:06:08Z)
• 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)
• Multi-Asset Spot and Option Market Simulation [52.77024349608834]
  正規化フローに基づく1つの基盤となる1つのマーケットシミュレータを現実的に構築する。 本研究では, 正規化流れの条件付き可逆性を活用し, 独立シミュレータの連立分布をキャリブレーションするスケーラブルな手法を提案する。
  論文  参考訳（メタデータ） (2021-12-13T17:34:28Z)
• 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)

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。