Indirect Dynamic Negotiation in the Nash Demand Game

要約

この論文は、不完全な情報による逐次二国間交渉の問題を扱っています。
私たちは、間接交渉を実行し、相手のモデルを学習することで、エージェントが交渉を成功させるのに役立つ意思決定モデルを提案しました。
この論文は方法論的に、利己的な独立プレーヤーのヒューリスティックに動機づけられた交渉をベイジアン学習とマルコフ意思決定プロセスの枠組みに落とし込んでいます。
特別な形式の報酬は、プレイヤーに閉ループの相互作用を介して間接的に交渉するよう暗黙的に動機付けます。
私たちのモデルを交渉の抽象モデルであるナッシュ要求ゲームに適用することによってアプローチを説明します。
結果は、確立された交渉が次のことを示しています。 i) プレイヤーの行動の調整につながります。
ii) ゲームの成功率が最大化され、iii) プレイヤーにより多くの個人利益がもたらされます。

要約(オリジナル)

The paper addresses a problem of sequential bilateral bargaining with incomplete information. We proposed a decision model that helps agents to successfully bargain by performing indirect negotiation and learning the opponent’s model. Methodologically the paper casts heuristically-motivated bargaining of a self-interested independent player into a framework of Bayesian learning and Markov decision processes. The special form of the reward implicitly motivates the players to negotiate indirectly, via closed-loop interaction. We illustrate the approach by applying our model to the Nash demand game, which is an abstract model of bargaining. The results indicate that the established negotiation: i) leads to coordinating players’ actions; ii) results in maximising success rate of the game and iii) brings more individual profit to the players.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google