自由化鉄道市場におけるマルチエージェント強化学習の新潮流

この研究では、自由化された鉄道路線において、各事業者が独自の目標やパフォーマンス情報を保有する状況下で価格を動的に設定する問題に取り組んでいます。競合他社間での直接的な情報交換が規制によって禁止されているため、エージェントは戦略的相互作用を観察可能な市場データから推論しなければなりません。この課題に対処するために、エンティティグラフモデルと呼ばれるアプローチが提案されています。これは、オペレーション単位のネットワークを表すグラフとして環境を表現し、競争・協調・接続関係をコード化します。さらに、マルチエージェントツイン遅延深層決定的ポリシー勾配アルゴリズムの拡張版と組み合わせて使用され、エンティティ間の特徴を多層関係グラフ畳み込みネットワークを通じて処理し、学習された注意機構により集約します。実験結果では、市場の複雑さが増す2つの設定において、このフレームワークがより高い収益と安定性を達成していることが示されています。