論文の概要: Exit-and-Join Dynamics for Decentralized Coalition Formation

• arxiv url: http://arxiv.org/abs/2606.19683v1
• Date: Thu, 18 Jun 2026 01:19:31 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-19 18:23:39.598255
• Title: Exit-and-Join Dynamics for Decentralized Coalition Formation
• Title（参考訳）: 分散結合形成のためのエクイット・アンド・ジョイントダイナミクス
• Authors: Quanyan Zhu,
• Abstract要約: 本研究では,一方的な出口・合流決定による分散的動的過程としての連立形成について検討する。 エージェントはAumann-Dreze値を使用して局所的な行動を評価するため、エージェントの現在の連立内で支払いが計算される。 終端分割は、正確には、許容可能で個々に利益のある出口と合流のずれのない連立構造である。
• 参考スコア（独自算出の注目度）: 20.036142577511455
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper studies coalition formation as a decentralized dynamical process driven by unilateral exit-and-join decisions. Agents evaluate local moves using the Aumann-Dreze value, so payoffs are computed within the agent's current coalition rather than through a globally negotiated coalition structure. The resulting model links cooperative payoff allocation with noncooperative best-response behavior: a terminal partition is precisely a coalition structure with no admissible, individually profitable exit-and-join deviation. We establish equilibrium characterizations, identify conditions under which the dynamics admit scalar Lyapunov or exact-potential representations, and analyze how switching and acceptance costs shape local stability. Numerical experiments test finite-time stabilization, cost sensitivity, and a special convex-game benchmark.
• Abstract（参考訳）: 本稿では,一方的な出口・合流決定による分散的動的過程としての連立の形成について検討する。 エージェントはAumann-Dreze値を用いて局所的な行動を評価するため、グローバルに交渉された連立構造ではなく、エージェントの現在の連立内で支払いが計算される。 結果として得られたモデルは、協調的なペイオフ割り当てと非協調的ベストレスポンスの振る舞いを結びつける:終端分割は、正確には、許容され、個々に利益のある出口と合流のずれのない連立構造である。 我々は、平衡特性を確立し、スカラー・リャプノフあるいは正確なポテンシャル表現が認められる条件を特定し、スイッチングと受け入れコストが局所安定性をいかに形成するかを分析する。 数値実験は、有限時間安定化、コスト感度、特別凸ゲームベンチマークをテストする。

関連論文リスト

• AdaGamma: State-Dependent Discounting for Temporal Adaptation in Reinforcement Learning [13.721410595245894]
  国家依存割引は概念的には魅力的だが、真に深いアクター-批判的な実装は、TDエラーの崩壊に向かって退化することができる。 AdaGammaは、状態依存割引の実践的ディープアクター批判的手法であり、状態依存割引関数をリターン整合性目標とともに学習する。
  論文  参考訳（メタデータ） (2026-05-07T12:42:46Z)
• Multimodal Learning on Low-Quality Data with Conformal Predictive Self-Calibration [72.0672328514289]
  マルチモーダル学習は、しばしば低品質データの課題に悩まされる。 コンフォーマル予測自己校正(Conformal Predictive Self-Calibration)と呼ばれる統合フレームワークを提案する。 私たちのフレームワークは、既存の最先端メソッドを一貫して上回ります。
  論文  参考訳（メタデータ） (2026-05-05T14:48:52Z)
• Toward a Sustainable Federated Learning Ecosystem: A Practical Least Core Mechanism for Payoff Allocation [71.86087908416255]
  最小コア(LC)概念に基づく配当フレームワークを提案する。 従来の方法とは異なり、LCは最大の不満を最小限に抑えてフェデレーションの凝集を優先する。 統合侵入検知におけるケーススタディは、我々のメカニズムが重要な貢献者や戦略的提携を正しく識別できることを実証している。
  論文  参考訳（メタデータ） (2026-02-03T11:10:50Z)
• Rational Adversaries and the Maintenance of Fragility: A Game-Theoretic Theory of Rational Stagnation [0.0]
  本稿では、合理的な敵によって維持される均衡として、そのような「合理的な停滞」を説明する。 ソーシャルメディアのアルゴリズムや政治的信頼への応用は、敵が故意に合理性を維持する方法を示している。
  論文  参考訳（メタデータ） (2025-10-25T09:28:15Z)
• Decentralized Dynamic Cooperation of Personalized Models for Federated Continual Learning [50.56947843548702]
  フェデレーション型連続学習のための分散動的協調フレームワークを提案する。 顧客は、新しい知識の獲得と事前学習の維持のバランスをとるために、動的な協調学習連合を確立する。 また、協調的・動的平衡を達成するために、マージブロックアルゴリズムと動的協調的進化アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2025-09-28T06:53:23Z)
• Institutional Noise, Strategic Deviation, and Intertemporal Collapse: A Formal Model of Miner Behaviour under Protocol Uncertainty [0.0]
  本稿では,ブロックチェーンシステムにおけるプロトコル変更性が協調的なマイニング動作をいかに阻害するかを,ゲーム理論の形式的モデルで検証する。 ルールショックを繰り返すゲームフレームワークを用いることで,制度ルールのマイナーな不確実性さえも,時間的嗜好を増大させ,戦略的な逸脱を引き起こすことを示す。 分散型システムにおいて持続可能な協力が実現されるためには, プロトコル設計は, 決定変数ではなく, 憲法上の経済制約として扱う必要があると結論づける。
  論文  参考訳（メタデータ） (2025-06-26T04:12:06Z)
• Coalitional Manipulations and Immunity of the Shapley Value [0.0]
  我々は、連立ゲームにおける操作について検討し、連立は会員の総支払額を増やすことを目的としている。 割当規則は、連立が内部的な再配置から利益を得ることができない場合、連立操作に対して無害である。 効率的な割当規則では、実位置耐久性は制約付き余剰性と等価である。
  論文  参考訳（メタデータ） (2023-10-31T12:43:31Z)
• Monotonic Improvement Guarantees under Non-stationarity for Decentralized PPO [66.5384483339413]
  我々は,MARL(Multi-Agent Reinforcement Learning)における分散政策の最適化のための新しい単調改善保証を提案する。 本研究では,訓練中のエージェント数に基づいて,独立した比率を限定することにより,信頼領域の制約を原則的に効果的に実施可能であることを示す。
  論文  参考訳（メタデータ） (2022-01-31T20:39:48Z)
• Efficient Empowerment Estimation for Unsupervised Stabilization [75.32013242448151]
  エンパワーメント原理は 直立位置での 力学系の教師なし安定化を可能にする 本稿では,ガウスチャネルとして動的システムのトレーニング可能な表現に基づく代替解を提案する。 提案手法は, サンプルの複雑さが低く, 訓練時より安定であり, エンパワーメント機能の本質的特性を有し, 画像からエンパワーメントを推定できることを示す。
  論文  参考訳（メタデータ） (2020-07-14T21:10:16Z)
• 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。