arXiv cs.MA· Panayiotis Danassis, Aris Filos-Ratsikas, Haipeng Chen, Milind Tambe, Boi Faltings·· 12 小时前AI 评分31
用深度强化学习智能体为生产市场定价，以应对负外部性与可持续性
AI-driven Prices for Externalities and Sustainability in Production Markets
AI 导读
研究提出用深度强化学习“政策制定者”智能体在其他学习型智能体环境中计算市场价格与分配，可围绕可持续性、资源浪费、公平性及买卖双方福利等多目标调价。在稀缺资源环境中，该智能体维持资源可持续性的表现显著优于市场均衡结果。
正文 · AI 翻译
摘要：传统竞争性市场并未考虑负外部性；即某些参与者对他人施加的间接成本，例如过度占用公共池资源所带来的成本（这会减少未来的存量，从而减少所有人的收获量）。为市场价格量化适当的干预措施已被证明极具挑战性。我们提出一种实用方法，通过一个深度强化学习政策制定者智能体，在其他学习智能体构成的环境中运行，来计算市场价格与分配。我们的政策制定者使我们能够针对可持续性、资源浪费程度、公平性、买卖双方福利等多种目标来调整价格。作为我们研究结果的一个亮点，在资源稀缺的环境中，与市场均衡结果相比，我们的政策制定者在维持资源可持续性方面要成功得多。
| 评论： | 初步版本已被第22届国际自主智能体与多智能体系统会议（AAMAS 2023）接收。本完整版本已被《自主智能体与多智能体系统杂志》（第40卷，文章编号46，2026年）接收 |
| 主题： | 多智能体系统（cs.MA）；人工智能（cs.AI）；计算机科学与博弈论（cs.GT） |
| 引用为： | arXiv:2106.06060 [cs.MA] |
| （或本版本使用 arXiv:2106.06060v5 [cs.MA]） | |
| https://doi.org/10.48550/arXiv.2106.06060 由 DataCite 颁发的 arXiv DOI |
|
| 相关 DOI： | https://doi.org/10.1007/s10458-026-09768-2
链接到相关资源的 DOI |
提交历史
来自：Panayiotis Danassis [查看邮箱]
[v1]
2021年6月10日星期四 21:26:17 UTC（730 KB）
[v2]
2022年4月29日星期五 10:47:40 UTC（528 KB）
[v3]
2023年1月12日星期四 20:46:31 UTC（585 KB）
[v4]
2026年8月21日星期五 12:54:23 UTC（561 KB）
[v5]
2026年10月21日星期三 17:04:02 UTC（565 KB）
来源：arXiv cs.MA · arxiv.org