マルチエージェントシステムにおける共通効用と希望順位決定戦略の学習を考慮したタスク割当手法の提案

飯嶋 直輝  杉山 歩未  早野 真史  菅原 俊治  

誌名
電子情報通信学会論文誌 D   Vol.J101-D   No.9   pp.1265-1275
発行日: 2018/09/01
Online ISSN: 1881-0225
DOI: 10.14923/transinfj.2017SAP0009
論文種別: 特集論文 (ソフトウェアエージェントとその応用論文特集)
専門分野: 理論
キーワード: 
タスク割当,  戦略学習,  分散協調,  多様性,  希望順位決定戦略,  

本文: PDF(3.6MB)
>>論文を購入


あらまし: 
近年の計算技術の発達は様々な情報と機能を組み合わせたサービスの提供を可能にしている.それらサービスの実行にはタスクを適切な計算資源(エージェント)に割当てる必要があるが,大量のタスクが継続的に発生する環境でそれらの要求に合ったエージェントを割当てるのは困難である.本研究ではシステム全体で追及する効用(タスクの価値や処理タスク数,処理時間などのシステムの共通的効用)に加え,個々のエージェントの特徴や能力に基づく個別選好も考慮できるタスク割当問題を提案する.その問題に対し,エージェントが動的に変化する環境において自身に適切なタスクの順位づけを行う希望順位決定戦略を学習しながら効率的にタスク割当を実現する手法とその情報に基づいて効率的に割当てるアルゴリズムを提案する.提案手法より動的に変化する環境においてエージェントが適切な希望順位決定戦略を学習することによって動的に変化する環境に適応し,システム全体として高い効率を実現できることを示す.また整数計画法で表現した最適解手法と学習を合わせたものと実験結果を比較し,解の質の観点ではその差が小さいが計算時間が十分小さく,実用的であることを示す.