本論の目的は, 企業の情報開示戦略の効用を検討するための枠組として, 情報のやり取りを含むを用いた分析方法を提案することである. まず, ゲーム理論における通常の戦略形ゲームを拡張した, 情報のやり取りを含むゲームを提案する. さらに, 拡張したゲームをベースにしたを考え, 囚人のジレンマを用いたから, 3つの典型的な情報開示戦略を提示し, シミュレーションによりそれらの優位性を検討する. 本論が設定するゲーム的状況のもとでは, 事実に即した情報の開示を行なうことが, 意思決定者の利益につながることが示される.

抄録全体を表示

Behavior of cognitive game players who build the opponent's internal model is studied. Internal models are constructed by the recurrent neural network, and the iterated prisoner's dilemma game is performed. The complicated transients of actions are observed before the stable mutually defecting equilibrium is reached. These chaotic dynamics reflect the dynamical and high-dimensional rugged landscape of the internal model space. A possible world analysis reveals the other deep problem in the game thoery, i.e. uncertainty of games. Differences in a payoff matrix show that different matrix gives different possible worlds in behind. Some possible worlds can sustain a mutually cooperative state with mutually believing that the other player is playing Tit for Tat.

抄録全体を表示

相手の心的状態を推定する言い当てのにおいて，心的状態遷移が言い当て行動系列に依存すると仮定し，ｎ重MDPモデルによる推定の有無で言い当ての正確さが左右されることを実験によって示す．

抄録全体を表示

In this paper we discuss a system design method that involves the dynamic separation of interaction. Multi-agent systems, which model the ubiquitous computing environment where elements behave autonomously, are used as the experimental platform to compare the proposed method with traditional ones. The results show the effectiveness of this design method for systems including chaos.

抄録全体を表示

相手の心的状態を推定した言い当てのにおいて，心的状態遷移が言い当て行動系列に依存すると仮定し，ｎ重MDPモデルによる推定の有無で言い当ての正確さが左右されることを実験によって示す．

抄録全体を表示

２つのエージェントが非ゼロ和

を行う状況を考える。既存の強化学習手法では自己の報酬を最も大きくする行動を学習する場合、多くのインタラクションが必要になる。この問題を解決するために、相手の戦略を推定し、それを行動価値関数に反映させることで従来よりも素早く学習を行うアルゴリズムを構築する。10種類のゲームにおいて様々な学習手法の相手と平均獲得報酬を比較して、アルゴリズムの性能を確認する。

抄録全体を表示

私的観測付き

は相手の行動を直接知ることのできないプレイヤ間の長期的な関係を考察するための枠組みである．三角取引モデルは，a，b，cの3人のプレイヤが存在し，aはb，bはc，cはaに製品を提供する．aがbを裏切って粗悪品を提供した場合，bはaを直接罰することができず，協力関係を維持することは困難である．本論文では新しい行動を追加したモデルにおいて協力関係が維持可能となることを示す．

抄録全体を表示

不完全観測

は相手の行動を直接知ることのできないプレイヤ間の長期的な関係を考察する枠組みとして知られ，実社会の多くの問題に適用される．チーム生産は各プレイヤが労働と休憩を交互に行うことで長期的利得が最大化されるモデルである．しかし労働のコストが高い場合に効率的な利得を得る均衡戦略は未知であった．本稿は，互いに休憩をする状態を導入することで効率的な利得を得る新たな均衡戦略について述べる．

抄録全体を表示

不完全私的観測付き

では，同じゲームが繰り返しプレイされ，プレイヤは相手の行動を直接観測できず，ノイズを含むシグナルを観測する．本論文では，我々のグループが開発した，均衡判定プログラムをベースに，進化的アルゴリズムを用いて均衡となる戦略を発見するプログラムを提案する．繰り返し囚人のジレンマゲーム等の代表的なゲームに関して，このプログラムによって発見されたいくつかの新しい均衡を示す．

抄録全体を表示

This paper proposes a co-evolution model toward the understanding of the emergence of social morals. The model has two layers, agents' layer and scores' layer. An agent means an individual in Iterated Prisoner's Dilemma (IPD) and a score means a payoff matrix in dilemma games. In this model, behaviors of IPD agents and each value in payoff matrix are co-evolved. Simulation results showed that scores of IPD games are gradually evolved toward the cooperative score which gives more payoff for cooperative strategies and less payoff for defective strategies under all parameters we have tested. However, under a certain limitation of the scores, we observed that strategies of IPD agents could be evolved toward defective, even if the scores are cooperative. Furthermore, we could observe a periodical changes of the scores and the strategies as follows under a certain limitation of the scores. First, all values of all scores move to the cooperative scores and most agents take cooperative strategies because defective strategies of agents earn less payoff. Under the cooperative circumstances, values of scores which have no influence on cooperative moves are mutated freely. Then, this mutation allows invasion by defective strategies created by mutations. Then the cooperative scores which allow the invasion die out, and the world is dominated by the cooperative scores again.

抄録全体を表示

筆者の一人は，先行研究において，企業などの情報開示戦略の効用を検討するための枠組として，囚人のジレンマゲームをベースにした情報のやり取りを含むを用いた分析方法を提案している．本研究では，先行研究で取り扱った３つの特徴的な戦略を含めた多様な戦略プールの中から，淘汰(selection)によって優位な戦略を探索する試みを行なったので，報告する．通常の繰り返し囚人のジレンマゲームで優位とされているTFT(tit for tat)戦略をベースにした4096通りの戦略の中から，淘汰圧パラメータを変えることで，優位なものとして選ばれる戦略が異なることや，淘汰後に残った優位戦略に共通な戦略パターンが見られることを報告する．

抄録全体を表示

筆者の一人は，先行研究において，コミットメントを意図的に破棄する戦略の効用を検討するための枠組として，囚人のジレンマゲームをベースにした情報のやり取りを含むを用いた分析方法を提案している．そこでは，多様な戦略プールの中から，淘汰(selection)によって優位な戦略を探索する試みを報告した．本研究では，さらに交叉(crossover)，突然変異(mutation)といった遺伝的アルゴリズムで使用される操作を加えて，プレイヤーのコミットメントの確実性に関する戦略がどのように変化していくかを調べるためのシミュレーションを行なったので，報告する．特に，相手がコミットメントを守ったかどうかを行動に反映させる戦略が，コミットメントが守られる戦略プールの生成に果たす役割について考える．

抄録全体を表示

本研究では，繰り返し囚人のジレンマにおいて，プレイヤが行動を取り違えるとき，無限集団上のダイナミクスのもとでどんな戦略が生き残るかを吟味した．従来よく使われる戦略表現でである一期記憶戦略では，有名なトリガー戦略，一度でも裏切りを観測したら二度と協力しない，を正しく表現できない．つまり，裏切りを観測したあとに2人が同時に行動を取り違えると，協力に戻ってしまう．そこで，状態数2以下の有限状態機械からなる戦略空間上に突然変異付きレプリケータダイナミクスを構築し，その帰結を吟味した．その結果，プレイヤの行動の取り違えに対して有効に振る舞う単独裏切-相互同期 (Unilateral Defection, Bilateral Synchronization) 戦略を発見し，生存過程を明らかにした．

抄録全体を表示

本研究では，プレイヤが行動を取り違えうる環境において, どのような振る舞いで協力を維持する（しない）かを進化ゲーム理論的に吟味した． 従来研究では, 行動を取り違えた後の振る舞いを表現する際，経済学で有効とされている戦略であるトリガー戦略(Grim-triger, GRIM)を正しく表現できていなかった． そのため，本研究ではGRIMの振る舞いを正確に表現し, かつGRIMを含めた状態数2以下の戦略を網羅した戦略空間において，突然変異付きレプリケータダイナミクスをもちいて戦略の帰結を吟味した． その結果，見間違えの下で生き残りやすいGRIMは，取り違えの下では，裏切ろうとして同時に行動を取り違えたとき，協力に戻ることで生き残ることを発見した． また，見間違えの下では生き残りにくかったしっぺ返し戦略 ( Tit-For-Tat, TFT) は，取り違えの下では，行動を取り違えたときに協力を維持することで利得を伸ばし，生き残ることを明らかにした．

抄録全体を表示

マルチエージェント系での学習では、エージェントが全体ではなく個々の最適戦略を学習してしまう問題がある。本研究では、利益を追求する戦略と損失を回避する戦略をバランスよく選択するM-Qubedと、M-Qubedが上手く振る舞えないゲームにおいて協調を導くS-algという相補的な性質を持つ強化学習アルゴリズムを組み合わせ、繰り返し非ゼロ和ゲーム中で性能を分析し協調行動の発生の有無を確認する。

抄録全体を表示