マルチエージェントAI理論

マルチエージェントAI理論 — 概要

複数の自律エージェントが相互作用する系の理論。ゲーム理論、協調・交渉、群知能、マルチエージェント強化学習への入門ガイド

エージェントの定義と類型 — 自律性・社会性・反応性の基礎

自律性、社会能力、反応性、能動性、合理的エージェント、部分観測・動的・多主体環境の性質分類

マルチエージェントシステム史 — 分散人工知能から現代MASへ

分散人工知能(DAI)、分散問題解決、アクターモデル、1980年代の黎明期、AAMAS成立に至る研究系譜

非協力ゲーム理論の基礎 — 戦略形ゲームと支配戦略

戦略形(標準形)ゲーム、利得行列、支配戦略、最適応答、囚人のジレンマ、チキンゲーム、調整ゲーム

ナッシュ均衡 — 存在定理と計算複雑性

純粋・混合戦略均衡、不動点定理による存在証明、均衡計算のPPAD完全性、複数均衡の選択問題

展開形ゲーム — 逐次手番と部分ゲーム完全性

ゲーム木、情報集合、後ろ向き帰納法、部分ゲーム完全均衡、信憑性のない脅し、完全記憶の仮定

繰り返しゲーム — 長期関係における協調の維持

有限・無限繰り返し、割引因子、トリガー戦略、フォーク定理、協調の自己拘束的な維持条件

確率ゲーム(マルコフゲーム) — 状態遷移を伴う多主体決定

状態遷移、同時手番、割引報酬、シャープレイの確率ゲーム、マルチエージェント強化学習の理論的基盤

Dec-POMDP — 分散部分観測下の協調計画

分散部分観測マルコフ決定過程、共同方策、NEXP完全性、信念状態、有限ホライズン計画の解法

相関均衡と粗相関均衡 — 調停装置による均衡概念の拡張

相関装置、信号による行動調整、線形計画による計算、ナッシュ均衡との包含関係、交通信号の例

進化ゲーム理論 — 個体群動学と戦略の進化

レプリケータ動学、進化的安定戦略(ESS)、タカ・ハトゲーム、突然変異と侵入、個体群の安定性解析

マルチエージェント強化学習総論 — 非定常性と同時学習の課題

環境の非定常性、同時学習、均衡への収束、スケーラビリティ、部分観測、協調・競争・混合の分類軸

独立学習者アプローチ — 各エージェント個別のQ学習

独立Q学習、他者を環境と見なす近似、非定常性による不安定化、楽観的更新、実装の単純さと限界

集中学習・分散実行(CTDE) — 訓練時のみ全体情報を利用

集中クリティック、分散アクター、訓練時の全体観測、実行時の局所方策、パラメータ共有の設計

価値分解手法 — 共同価値関数の個別分解

VDN、QMIX、単調性制約、個体・全体最大化の整合(IGM)条件、協調タスクにおける信用割当

マルチエージェント方策勾配 — 集中クリティック型actor-critic

MADDPG、COMA、反実仮想ベースライン、連続行動空間、協調・競争混合環境への適用

自己対戦(セルフプレイ) — 自分自身との対局による強化

自己対戦学習、AlphaGo・AlphaZeroの系譜、リーグ戦訓練、戦略循環(じゃんけん構造)への対策

架空プレイと最良応答動学 — 経験頻度に基づく逐次学習

架空プレイ(fictitious play)、経験分布への最良応答、ゼロ和・ポテンシャルゲームでの収束、平滑化変種

ノーリグレット学習 — 後悔最小化と均衡への収束

外的・内的リグレット、乗算重み更新、粗相関均衡への収束、反実仮想後悔最小化(CFR)との関係

相手モデリング — 他エージェントの方策推定と適応

相手方策の推定、再帰的推論、ベイズ的信念更新、適応的搾取、非定常な相手への追従学習

マルチエージェント信用割当 — 全体報酬の個体への帰属

共同報酬の分配、差分報酬、反実仮想推論、シャープレイ値の応用、怠惰エージェント問題

協力ゲーム理論 — 提携と利得配分の公理的理論

特性関数形ゲーム、提携値、譲渡可能効用(TU)、優加法性、配分概念の公理的比較評価

シャープレイ値 — 公理に基づく貢献度の公平配分

限界貢献の平均、対称性・効率性・加法性の公理、計算複雑性、機械学習の説明(SHAP)への応用

コアと仁 — 提携離脱に安定な配分概念

コア、ブロッキング提携、コアの空性条件、仁(nucleolus)、交渉集合、安定性と存在のトレードオフ

提携形成 — 最適な提携構造の探索と生成

提携構造生成、特性関数の簡潔表現、動的提携形成、重複提携、NP困難性と近似アルゴリズム

ナッシュ交渉解 — 公理的交渉理論と代替解

交渉問題、基準点(不一致点)、対称性・パレート効率性の公理、カライ・スモロディンスキー解との比較

チームワークと共同意図 — 協調行動の論理的基盤

共同意図理論、SharedPlans、相互信念、コミットメント、役割分担、チーム形成の形式化

アドホックチームワーク — 事前調整なしの即席協調

未知の仲間との即席協調、事前規約なしの適応、仲間の型推定、人間との混成チームへの応用

ゼロショット協調 — 初対面エージェント間の調整

規約(コンベンション)依存の排除、対称性の破れ、other-play、Hanabiベンチマークでの評価

社会的ジレンマ — 個人合理性と全体利益の相克

囚人のジレンマ、公共財ゲーム、共有地の悲劇、逐次的社会ジレンマ、協調が創発する条件

反復囚人のジレンマ — 互恵性と協調戦略の進化

アクセルロッドのトーナメント、しっぺ返し(TFT)戦略、寛容さ、直接互恵性、戦略の頑健性

エージェント通信言語 — KQML・FIPA-ACLと意味論

KQML、FIPA-ACL、遂行語(パフォーマティブ)、意味論の標準化、相互運用性、メッセージ交換規約

発話行為理論 — 通信を行為として扱う枠組み

発語内行為、要求・宣言・約束の型、会話プロトコル、意図と信念に基づくメッセージ意味論

自動交渉 — 効用に基づく合意形成プロトコル

交渉プロトコル、譲歩戦略、留保価格、パレート最適合意、多属性交渉、時間制約下の戦術

計算論的議論 — 議論による推論と説得の形式化

抽象議論フレームワーク、攻撃関係、受理可能性意味論、対話による説得、非単調推論との接続

コントラクトネット — 入札による分散タスク割当

タスク公告、入札、落札、マネージャと請負者の役割、分散タスク割当プロトコルの古典

創発的コミュニケーション — 学習で生じる通信規約

通信路の共同学習、記号接地、参照ゲーム、構成性の創発、人間言語との比較分析

協調グラフ — 局所的相互作用への分解表現

座標グラフ、局所効用の和への分解、変数消去、max-plusアルゴリズム、疎な相互作用構造の活用

合意形成アルゴリズム — 分散平均化と同期現象

平均合意、ゴシッププロトコル、グラフラプラシアン、収束速度、時変トポロジー、同期の解析

信頼と評判のモデル — 相互作用履歴に基づく評価

信頼度の更新、評判システム、推薦の伝播、裏切り検出、コールドスタート、共謀への耐性設計

規範的マルチエージェントシステム — 規範と制度の形式化

義務・許可・禁止の論理、規範の創発と施行、制裁、電子制度、違反検出、社会法則の設計

メカニズムデザイン — 望ましい結果を導く制度設計

逆ゲーム理論、社会選択関数の遂行、誘因両立性、顕示原理、個人合理性、予算均衡の制約

オークション理論 — 入札方式の設計と収入同値

第一・第二価格入札、英国式・オランダ式、収入同値定理、勝者の呪い、留保価格の設定

VCGメカニズム — 正直申告を導く余剰最大化機構

ヴィックリー・クラーク・グローブス機構、外部性に基づく支払、耐戦略性、共謀・赤字などの弱点

組合せオークション — 財の束への入札と勝者決定

補完財・代替財、勝者決定問題のNP困難性、入札言語、周波数帯域オークションへの応用

投票理論と社会的選択 — 集合的意思決定の設計

多数決、ボルダ得点、コンドルセ勝者、戦略的投票、ギバード・サタスウェイトの定理

アローの不可能性定理 — 選好集約の根本的限界

社会厚生関数、パレート原理、無関係な選択肢からの独立、非独裁性、公理の非両立性の証明

公平分割 — 妬みのない資源配分の理論

ケーキ分割、比例性、無羨望性、不可分財の公平配分、マキシミンシェア、調整手続きの設計

マッチング理論 — 安定マッチングと受入保留方式

安定結婚問題、ゲール・シャプレーのアルゴリズム、耐戦略性、研修医配属・学校選択への応用

市場ベースのタスク配分 — 価格機構による分散割当

オークションベース割当、逐次・並列入札、市場メカニズム、ロボットチームのタスク分担への応用

予測市場と情報集約 — 分散した知識の価格への集約

証券価格による確率予測、スコアリングルール、自動マーケットメーカー、群衆の知恵、操作耐性

シュタッケルベルクゲーム — 先導者と追従者の逐次最適化

リーダー・フォロワー構造、コミットメントの価値、セキュリティゲーム、警備資源配分への応用

無秩序の代償 — 均衡の非効率性の定量化

Price of Anarchy、社会最適との比率、ブレスのパラドックス、交通ネットワークの均衡分析

混雑ゲームとポテンシャルゲーム — 資源共有の均衡構造

混雑ゲーム、ポテンシャル関数、純粋戦略均衡の存在、最良応答動学の収束、経路選択問題

ネットワーク形成ゲーム — 戦略的なつながりの構築

リンク形成の費用便益、ペアワイズ安定性、効率性との乖離、社会ネットワーク構造の創発

平均場ゲーム — 大規模個体群の極限近似

無限個体数極限、平均場均衡、代表エージェント近似、群衆動学、大規模MARLへの応用

ゼロ和ゲームとミニマックス — 完全競争下の最適戦略

ミニマックス定理、線形計画の双対性、鞍点、ゲーム値の一意性、アルファベータ探索との関係

限定合理性 — 計算資源制約下の意思決定モデル

満足化(サティスファイシング)、量子応答均衡、認知コスト、ヒューリスティクス、実験ゲーム理論

階層的推論モデル — level-k推論と認知階層

level-k推論、認知階層モデル、美人投票ゲーム、非均衡行動の説明、推論深さの推定

認識論理と共有知識 — 知識についての知識の形式化

様相論理、共有知識と共通知識、泥んこの子供パズル、合意不可能性定理、分散知識の概念

心の理論とAI — 他者の信念・意図の推定

誤信念課題、再帰的信念モデリング、ベイズ的逆計画、意図推定、人間との協調への応用

群知能総論 — 局所規則から生じる集合的知能

自己組織化、正のフィードバック、分業、創発、社会性昆虫の観察に基づく計算原理の抽出

蟻コロニー最適化 — フェロモンによる経路探索

ACO、人工フェロモン、蒸発と強化、巡回セールスマン問題、経路探索、確率的解構築

粒子群最適化 — 群れの飛行に着想を得た探索

PSO、個体最良と群最良、速度更新則、連続最適化、慣性重みなどの変種とパラメータ調整

Boidsと群れ行動 — 分離・整列・結合の三規則

Boidsモデル、局所近傍規則、群れ(フロッキング)の創発、CGへの応用、集団運動の物理

スティグマジー — 環境を介した間接的協調

環境改変を通じた通信、シロアリの巣構築、フェロモン場、間接協調のロボット群への応用

フォーメーション制御 — 多体系の隊形形成と維持

リーダー・フォロワー法、仮想構造法、合意ベース制御、グラフ剛性、隊形切替と障害物回避

群ロボティクス — 多数の単純ロボットによる協調

スワームロボット、スケーラビリティ、故障耐性、集団輸送、自己集合、大規模実機実験の設計

マルチロボットタスク割当 — 動的環境での役割分担

MRTA分類、オークション法、ハンガリアン法、動的再割当、異種ロボット混成チームの編成

追跡回避ゲーム — 捕獲と逃走の微分ゲーム

微分ゲーム、追跡者と逃走者、捕獲条件、複数追跡者の包囲戦略、警備・監視への応用

分散センシングと被覆制御 — センサ網による領域監視

被覆制御、ボロノイ分割、ロイドのアルゴリズム、センサ配置最適化、環境モニタリング

BDIアーキテクチャ — 信念・願望・意図の実践推論

信念・願望・意図、実践推論、プラン選択、コミットメント戦略、PRS、AgentSpeak言語

エージェントプラットフォーム — 開発基盤と標準準拠

JADE、FIPA標準準拠、エージェント管理システム、ディレクトリ機構、メッセージ輸送層

モバイルエージェント — コードが移動する計算モデル

コード移動、実行状態の持ち運び、遠隔実行、セキュリティ課題、ネットワーク負荷削減の狙い

黒板システム — 共有作業領域による協調的問題解決

黒板モデル、知識源、制御機構、音声理解システムでの起源、機会主義的問題解決の様式

分散制約最適化(DCOP) — 局所メッセージ交換による大域最適化

DCOP、ADOPT、DPOP、max-sum、会議スケジューリング、センサ網、完全・近似アルゴリズム

分散問題解決 — 部分問題への分解と結果統合

タスク分解、部分解の統合、結果共有、機能的に正確な協調(FA/C)、負荷分散の方式

組織モデルとホロン — MASの組織構造設計

階層・市場・ネットワーク型組織、役割と規範、ホロニック製造システム、再構成可能性

マルチエージェントプランニング — 共同計画と干渉解消

計画の統合、干渉検出と解消、部分順序計画、計画共有、実行時再計画、資源競合の調停

エージェントベースモデリング — 社会シミュレーションの方法論

ABM、ボトムアップ模擬、NetLogo、検証と妥当性確認、人工社会、政策シミュレーション

シェリングの分居モデル — 微小な選好が生む大域的分離

分居(セグリゲーション)モデル、閾値選好、創発的分離、寛容度パラメータ、社会物理学の古典

RoboCup — ロボットサッカーによる協調研究

ロボカップ、シミュレーション・実機リーグ、チーム戦略、レスキューリーグ、標準課題としての意義

ポーカーAIと不完全情報ゲーム — 隠れ情報下の均衡計算

反実仮想後悔最小化(CFR)、Libratus、Pluribus、ブラフ、状態抽象化、多人数戦の課題

実時間戦略ゲームのMARL — 大規模対戦環境での学習

AlphaStar、StarCraft Multi-Agent Challenge(SMAC)、リーグ訓練、ミクロ操作、長期戦略

Hanabiと協力ゲーム課題 — 心の理論を要する協調基準

Hanabi、部分観測下の協力、暗黙の規約、意図の伝達、ゼロショット協調評価のベンチマーク

交渉・外交ゲームAI — 自然言語を伴う戦略的合意

Diplomacy、Cicero、言語による同盟形成、裏切りの検知、戦略推論と言語生成の統合

交通・自動運転の協調 — 車両群の分散制御

交差点協調、隊列走行(プラトゥーニング)、経路配分、信号制御のMARL、混在交通の安全性

スマートグリッドと電力取引 — エネルギー市場のエージェント

分散電源、需要応答、地域間電力取引、二重オークション、負荷平準化、マイクログリッド協調

広告オークションと計算広告 — 検索連動型入札の均衡分析

一般化第二価格(GSP)、キーワード入札、品質スコア、均衡分析、自動入札エージェント

金融市場のエージェントモデル — 取引主体の相互作用と市場動態

人工市場、注文駆動市場、バブルと暴落の創発、アルゴリズム取引、規制のシミュレーション

LLMマルチエージェント — 言語モデル群の協調と分業

役割分担、対話による問題解決、オーケストレーション、ツール使用、自己修正、討論・評議方式

AIディベートとスケーラブル監督 — 議論による安全性検証

討論による監督、弱い監督者による強いAIの評価、真実性の担保、AIセーフティ研究との接続

エージェント間の共謀と競争の安全性 — 望ましくない均衡の抑止

暗黙の共謀、価格カルテルの創発、報酬ハッキング、多主体系のアラインメント課題

創発と複雑系 — 相互作用から生じる大域秩序

創発特性、相転移、自己組織化臨界、セルオートマトン、ライフゲーム、複雑適応系の視点

人間とエージェントの混成系 — 信頼較正と権限委譲

人間との協調、信頼の較正、権限委譲、混合主導(mixed-initiative)、説明と透明性の設計

連合学習と分散機械学習 — 多主体によるモデル共同訓練

フェデレーテッドラーニング、データ主権、集約プロトコル、インセンティブ設計、汚染攻撃対策

ブロックチェーンと自律エージェント — 分散台帳上の自動執行

スマートコントラクト、ビザンチン耐障害合意、DAO、トークンインセンティブ、非中央集権調整

マルチエージェント評価法 — 強さと協調性能の測定

Eloレーティング、トーナメント評価、メタゲーム分析、経験的ゲーム理論解析(EGTA)、再現性

学術コミュニティと教材 — 学会・教科書・講義資源

AAMAS、IJCAI、ウールドリッジやショーハム・レイトンブラウンの教科書、講義資料、演習環境

マルチエージェントAI理論 — 退避・古典資料archive

旧版の分類項目、歴史的資料、廃止された下位区分の退避場所