近年，CO2排出量の抑制や，化石燃料の将来的な枯渇を背景に再生可能エネルギーの利用が注目されている．しかし，既存の中央集権的な電力ネットワークは系統末端での非定常発電を前提とする再生可能エネルギーとは必ずしも相性がよくないと言われる．このため，マイクログリッドを始め分散型の電力ネットワークが研究されている．本研究ではその一つである自律分散型の電力ネットワークであるECOネットを取り上げ，ECOネット内の発電消費の末端ノードであるミニマル・クラスター間での電力売買を通じた電力融通の自動化の為の機構について検討する．電力売買の自動化の為には，各ミニマル・クラスターにおける電力ロスの発電・消費における諸条件に基づき電力売買の方策を最適化する事が望まれる．本稿では，電力売買を行うエージェントの学習に強化学習を用いる事で電力ロスを低減し，収益を最大化させるような適応的取引エージェントの構築を目指す．ただし，そのような系ではマルチエージェント強化学習の系となるために，不完全知覚問題や同時学習問題が発生することが指摘されている．本稿ではそれらの問題に強いとされる方策勾配法，特にその一種である Natural Actor-Critic を用いて適応的取引エージェントを構築する．また，提案手法の有効性を示すために，６個のミニマル・クラスターにより構成されるローカルクラスターを対象にシミュレーション実験を行った．シミュレーション実験では，Natural Actor-Criticによりエージェントが適切な取引を学習する事が出来る事が示されたのと同時に，マルチエージェント強化学習環境下においても少なくとも一体固定的な取引を行うエージェントの居る条件下では良好な学習結果を生むことが示された．
