| 電子情報通信学会 研究会発表申込システム 講演論文 詳細 |
技報閲覧サービス [ログイン] 技報アーカイブ |
| トップに戻る | 前のページに戻る | [Japanese] / [English] |
| 講演抄録／キーワード | ||
| 講演名 | 2026-09-15 09:30 多者間交渉のための深層強化学習エージェント ○中田幸翼・藤田桂英（東京農工大）  AI2026-2 |
|
| 抄録 | （和） | 実社会では，資源配分，サプライチェーン，電子商取引，合意形成支援など，複数の利害関係者が同時に関与する交渉が多く存在する．このような多者間交渉では，参加者ごとに異なる目的や選好を調整する必要があり，各参加者の提案や応答も相互に影響するため，合意形成は二者間交渉よりも複雑になる．さらに，参加者構成や交渉ドメインも多様であるため，事前に定義された単一の交渉戦略だけでは十分に対応することが難しい．したがって，交渉エージェントには，多者間交渉における相互作用を通じて有効な戦略を自律的に獲得し，多様な相手やドメインへ適応する能力が求められる．本研究では，MiPNおよびTransformerベース交渉エージェントの設計を基に，多者間交渉向けの深層強化学習エージェントであるMiPN-baseおよびTransformer-baseを構築する．MiPN-baseでは，MiPNの論点単位の方策分解を用いながら，複数参加者の提案を参加者ごとの入力スロットとして扱う．Transformer-baseでは，TransformerのEncoder--Decoder構造を用い，複数参加者から提示されるBid系列を時系列処理する．さらに，特定のドメインや相手に特化したexpertモデルだけでなく，汎用的なエージェントを実現するため複数のドメインと相手を横断して学習するgeneralモデルも構築する．交渉シミュレーションでは，比較対象としてRLBOA-baseも多者間交渉向けに構築し，同一条件で評価した．その結果，個人効用ではRLBOA-baseが高い性能を示した一方，Transformer-baseは合意形成率，ステップ効率，および未知ドメインにおける合意形成の安定性で有効性を示した．また，MiPN-baseは最高性能を示す場面は限られたものの，論点単位の方策分解により，個人効用，合意形成率，ステップ効率の間でバランスの取れた性能を示した．これらの結果から，異なる強化学習型交渉エージェントを多者間交渉向けに構築することの有効性と，各アーキテクチャの特性が明らかになった． |
| （英） | In real-world settings, many negotiations involve multiple stakeholders simultaneously, such as resource allocation, supply chains, and electronic commerce. In multilateral negotiations, agents must coordinate various objectives and preferences for each participant, and offers and responses from each participant mutually influence the negotiation process. Therefore, reaching an agreement is more complex than in bilateral negotiation. Additionally, because participant configurations and negotiation domains are varied, negotiation agents are required to autonomously acquire effective strategies through interactions in multilateral negotiations and adapt to a variety of opponents and domains. In this paper, we propose MiPN-base and Transformer-base deep reinforcement learning agents for multilateral negotiation, based on the Multi-issue Policy Network (MiPN) and a Transformer-based negotiation agent. MiPN-base considers issue-wise policy decomposition and treats offers from multiple participants as participant-specific input slots. Transformer-base uses the Encoder--Decoder structure of the Transformer to process bid sequences proposed by multiple participants in chronological order. In addition to expert models specialized for specific conditions, we also propose general models trained across multiple domains and opponents. In negotiation simulations, we develop RLBOA-base as a comparison method for multilateral negotiation and evaluate all agents under the same conditions. The results show that RLBOA-base achieves high individual utility, whereas Transformer-base is effective in terms of agreement rate, step efficiency, and stability on unseen domains. MiPN-base demonstrates balanced performance across individual utility, agreement rate, and step efficiency. These results clarify the effectiveness and characteristics of each architecture in multilateral negotiation. | |
| キーワード | （和） | マルチエージェントシステム / 深層強化学習 / 多者間交渉 / 時系列モデル / Transformer / / / |
| （英） | multi-agent system / deep reinforcement learning / multilateral negotiation / sequential model / Transformer / / / | |
| 文献情報 | 信学技報, vol. 126, no. 177, AI2026-2, pp. 9-16, 2026年9月. | |
| 資料番号 | AI2026-2 | |
| 発行日 | 2026-09-08 (AI) | |
| ISSN | Online edition: ISSN 2432-6380 | |
| 著作権に ついて |
技術研究報告に掲載された論文の著作権は電子情報通信学会に帰属します．(許諾番号：10GA0019/12GB0052/13GB0056/17GB0034/18GB0034) | |
| PDFダウンロード | AI2026-2 |
|
| 研究会情報 | |
| 研究会 | AI |
| 開催期間 | 2026-09-14 - 2026-09-15 |
| 開催地（和） | 沖縄県青年会館 |
| 開催地（英） | OKINAWAKEN SEINENKAIKAN |
| テーマ（和） | SMASH26 Summer Symposium |
| テーマ（英） | SMASH26 Summer Symposium |
| 講演論文情報の詳細 | |
| 申込み研究会 | AI |
| 会議コード | 2026-09-AI |
| 本文の言語 | 日本語 |
| タイトル（和） | 多者間交渉のための深層強化学習エージェント |
| サブタイトル（和） | |
| タイトル（英） | Deep Reinforcement Learning-Based Agents for Multilateral Negotiation |
| サブタイトル（英） | |
| キーワード(1)（和/英） | マルチエージェントシステム / multi-agent system |
| キーワード(2)（和/英） | 深層強化学習 / deep reinforcement learning |
| キーワード(3)（和/英） | 多者間交渉 / multilateral negotiation |
| キーワード(4)（和/英） | 時系列モデル / sequential model |
| キーワード(5)（和/英） | Transformer / Transformer |
| キーワード(6)（和/英） | / |
| キーワード(7)（和/英） | / |
| キーワード(8)（和/英） | / |
| 第1著者 氏名（和/英/ヨミ） | 中田 幸翼 / Kosuke Nakata / ナカタ コウスケ |
| 第1著者 所属（和/英） | 東京農工大学 (略称： 東京農工大) Tokyo University of Agriculture and Technology (略称： TUAT) |
| 第2著者 氏名（和/英/ヨミ） | 藤田 桂英 / Katsuhide Fujita / フジタ カツヒデ |
| 第2著者 所属（和/英） | 東京農工大学 (略称： 東京農工大) Tokyo University of Agriculture and Technology (略称： TUAT) |
| 講演者 | 第1著者 |
| 発表日時 | 2026-09-15 09:30:00 |
| 発表時間 | 20分 |
| 申込先研究会 | AI |
| 資料番号 | AI2026-2 |
| 巻番号（vol） | vol.126 |
| 号番号（no） | no.177 |
| ページ範囲 | pp.9-16 |
| ページ数 | 8 |
| 発行日 | 2026-09-08 (AI) |
[研究会発表申込システムのトップページに戻る] (日本語ページの行間係数: 1)