| 研究課題/領域番号 |
25280087
|
|---|
| 研究種目 |
基盤研究(B)
|
| 研究機関 | 早稲田大学 |
|---|
研究代表者 |
菅原 俊治 早稲田大学, 理工学術院, 教授 (70396133)
|
|---|
| 研究分担者 |
栗原 聡 電気通信大学, その他の研究科, 教授 (30397658)
廣津 登志夫 法政大学, 情報科学部, 教授 (10378268)
|
|---|
| 研究期間 (年度) |
2013-04-01 – 2017-03-31
|
| キーワード | 分散資源割当問題 / マルチエージェント学習 / 組織 / 自律ネットワーク / 最後通牒ゲーム / 協調ゲーム |
|---|
| 研究概要 |
本研究の目的は、異なる能力を持つエージェントが処理を通じて自律的にグループを構成し、その中で適切なリソース／タスクを配分することで、効率的かつ効果的な分散割当法を提案し、その評価、特に大規模エージェントシステムでの効率化とエージェント間の相互作用による影響を解明することである。分散割当問題は、それ自体計算量は多いが、さらにエージェント数が多いと自律的な判断による干渉があり、大きな効率低下を招く。一方でこれは、インターネット上の自動取引、ネットワーク計算機のタスク割当、電力消費の分散／均等化などの配分・割当など幅広い応用を持つ重要な基本問題である。本研究により、数千以上のエージェントからなる実用規模のシステムでも効率かつ柔軟な制御を実現させる。
本研究期間は、エージェントに資源（能力）を、対するタスクには要求する資源（能力）を設定した場合を想定し、実際に割り当てを行いなら、他のエージェントの資源（能力）を推定・学習し、効率を上げるアルゴリズム・学習法を提案した。さらに、大規模化に備え、エージェントに視野に相当する概念を入れて、学習範囲を制限する手法を取り入れた。その結果、制限をいれると理論的にはタスクの処理能力を下がるはずであるが、制限を加えない場合と比べて学習速度が速く、実用的な時間内ではかえって効率的になることが分かった。これは、自律的グループ化が大規模環境では重要であることも意味している。
上記に加え、資源や能力を排除し、報酬配分とそれに対するエージェントの態度（つまり合理性や公平性など）がグループ化に寄与すると考え、その抽象化を図り、簡単な実験を行うまで進んだ。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
本研究は予定通りか、それよりやや進んでいると考えている。本研究では、自律的グループ化がポイントと予想しており、概要でも述べたように、それを肯定する結果が実験で得られている。その結果、すでに２本の英語論文（一件は出版済み、残りの一件は採択決定）と国際会議１件を発表している。また、分散資源割当問題のグループ化の抽象化は、２年度以降の課題であったが、部分的ではあるがこれにも着手することができ、これがやや進んだ部分と考えている。
|
| 今後の研究の推進方策 |
平成26年度からは、これまでの条件に加え、（少し進めてきた）グループ編成に着目して、グループ化と報酬割り当てに対するエージェントの態度のみを抜き出して抽象化し、グループ編成の成否とその安定性について調査する。これにより分散割当問題それ自体と、その背景にあるグループ化を分離して考え、応用範囲を広げることを意図している。このために、本年度構築してきたシミュレーション環境をさらに高度化して、様々な条件での検証を行えるようにする。
第二にグループ化は通信量を減らす効果があるが、同時に成功率とのトレードオフの関係にある。通信量はグループのサイズに依存する。このため、タスクの種類や要求されるリソース（抽象的には必要なエージェント数）、その発生頻度に依存すると考えられる。抽象化した枠組みに、若干の要素を加え、これらの関係を把握する。
来年度以降は、環境の変化に対する自律的編成を促すことを予定しており、本年度の研究はその基盤として位置づけている。
|
| 次年度の研究費の使用計画 |
論文掲載費、国際会議発表の旅費・参加費の支出については、成果の確認、投稿、発表と各段階ごとに時間差があり、それに伴い費用発生にも時間差が生じる。
本研究に関わる成果の発表のため（国際会議発表の旅費および参加費、英文校閲費など）および、本研究に関わる論文の掲載料（採択決定分。ただし出版日時未定（2014年度の予定））
|
