n人ネットワークの繰り返し囚人のジレンマゲームにおける利得設計

抄録

個々のエージェントの利益と系全体の利益が一致しない環境下でのマルチエージェント強化学習では，協調行動を創発するための報酬設計は重要な課題である。 本稿では3人以上のエージェントがそれぞれ局所的に囚人のジレンマゲームを繰り返す環境を対象とする。　ジレンマ解消のため，エージェントが独自の効用を生成するという報酬設計法を適用し，実験を通じて，系全体の協調が維持される効用の値や学習率について考察する。