Learning nested agent models in an information economy
Learning nested agent models in an information economy
复制标题
学习信息经济中的嵌套代理模型
DOI：
10.1080/095281398146770
复制
发表时间：
1998
期刊：
影响因子：
--
通讯作者：
E. Durfee
中科院分区：
文献类型：
--
作者：
J. Vidal;E. Durfee
摘要。我们提出了我们的方法来解决这个问题：在一个经济的多智能体系统中，一个智能体如何决定什么时候它应该采取战略行动（即学习和使用其他智能体的模型），什么时候它应该作为一个简单的价格接受者。我们为代理中建模能力的增量实现提供了一个框架，并描述了所需知识的形式。为了更多地了解它们的行为以及使用和学习智能体模型的优点，我们实现了这些智能体并对不同的群体进行了模拟。我们的结果表明，在其他经验教训中，精明的买家如何避免被卖家“欺骗”，价格波动如何用于定量预测更深层次模型的收益，以及特定类型的代理群体如何影响系统行为。
Abstract. We present our approach to the problem of how an agent, within an economic multi-agent system, can determine when it should behave strategically (i.e. learn and use models of other agents), and when it should act as a simple price-taker. We provide a framework for the incremental implementation of modelling capabilities in agents, and a description of the forms of knowledge required. The agents were implemented and different populations simulated in order to learn more about their behaviour and the merits of using and learning agent models. Our results show, among other lessons, how savvy buyers can avoid being ‘cheated’ by sellers, how price volatility can be used to quantitatively predict the benefits of deeper models, and how specific types of agent populations influence system behaviour.