본 논문은 다중 에이전트 환경에서 예측을 사용하는 알고리즘의 성능을 연구합니다. 에이전트가 자신의 미래 행동을 예측하는 예측기 하나와 다른 플레이어의 행동을 예측하는 예측기 하나를 사용한다고 가정하는 두 예측기 프레임워크를 제시합니다. 주요 문제는 다양한 예측기 품질 가정 하에서 이러한 예측기를 사용하여 달성할 수 있는 최상의 경쟁 비율을 이해하는 것입니다. 스키 대여 문제의 다중 에이전트 버전을 소개하고 분석하여 프레임워크를 설명합니다. 이 문제에서 에이전트는 자원을 모아 자산에 대한 그룹 라이선스를 얻음으로써 협력할 수 있습니다. 라이선스 가격이 충족되지 않으면 에이전트는 하루에 단가로 자산을 개별적으로 임대해야 합니다. 그렇지 않으면 라이선스는 추가 비용 없이 영원히 모든 사람에게 제공됩니다. 완벽한 다른 예측의 특별한 경우에 자기 예측기를 따르는 알고리즘이 최적이지만 에이전트의 미래 행동에 대한 잘못된 예측에 대해서는 강력하지 않습니다. 더 나은 강력성 특성을 가진 알고리즘을 제시하고 벤치마킹합니다.
시사점, 한계점
•
시사점: 다중 에이전트 환경에서 예측 기반 알고리즘의 성능 분석을 위한 새로운 프레임워크를 제시하고, 스키 대여 문제를 통해 실증적으로 검증. 자기 예측과 타인 예측의 중요성을 강조하고, 예측 오류에 대한 강건성을 갖춘 알고리즘 설계의 필요성을 보여줌.
•
한계점: 현재 분석은 특정한 다중 에이전트 문제(스키 대여 문제)에 국한. 다양한 유형의 다중 에이전트 문제에 대한 일반화가 필요. 예측기의 품질에 대한 가정이 현실적이지 않을 수 있음. 더욱 현실적인 예측 오류 모델이 필요할 수 있음.