{"product_id":"ieej-btb2025p35","title":"マルチエージェント型世界エネルギーシステムモデルにおけるエージェント間協力要素の定式化及び分析","description":"\u003cp\u003e\u003cstrong\u003eカテゴリ：\u003c\/strong\u003e部門大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e論文No：\u003c\/strong\u003eP35\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eグループ名：\u003c\/strong\u003e【B】令和7年電気学会電力・エネルギー部門大会\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e発行日：\u003c\/strong\u003e2025\/9\/5\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eタイトル(英語)：\u003c\/strong\u003eFormulation and Analysis of the Inter-Agent Cooperation Component in a Multi-Agent World Energy System Model\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名：\u003c\/strong\u003e佐々木洋翔（横浜国立大学），大槻貴司（横浜国立大学）\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e著者名(英語)： \u003c\/strong\u003eSasaki Hiroto (Yokohama National University), Otsuki Takashi (Yokohama National University)\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003eキーワード：\u003c\/strong\u003e世界エネルギーシステムモデル,マルチエージェント強化学習,エネルギー安全保障,Global Energy System Model,Muti-Agent Reinforcement Learning,Energy Security\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003e要約(日本語)：\u003c\/strong\u003e数理最適化を用いたエネルギーシステムモデルは世界全体の協調を暗に仮定しており、エネルギー安全保障の要素を取り込むことが難しい性質を有している。そこで、本研究ではマルチエージェント強化学習を用いてモデルにエネルギー安全保障の要素を取り込むことを目標としていた。　より詳細な分析に向けて地域の分割数を増加させる際に、すべての地域が完全に対立するような分割を行うことは難しく、特定の地域間では協力状態を取ることができる仕組みが求められる。本稿ではその課題に向けて、強化学習の報酬設計による協力要素を導入する。2種類の報酬設計の定式化について示し、協力要素を導入した際の結果とその有効性について報告する。\u003c\/p\u003e\u003cp\u003e\u003cstrong\u003ePDFファイルサイズ：\u003c\/strong\u003e565Kバイト\u003c\/p\u003e","brand":"IEEJ-PDF","offers":[{"title":"PDFダウンロード（一般価格440円\/会員価格220円） \/ A4 \/ 2","offer_id":47682563703023,"sku":"IEEJ-BTB2025P35-PDF","price":440.0,"currency_code":"JPY","in_stock":true}],"thumbnail_url":"\/\/cdn.shopify.com\/s\/files\/1\/0718\/9512\/2159\/files\/IEEJ-PDF_bumontaikai_559b06fc-b39e-43d0-8be8-fb48eccd2472.png?v=1770878149","url":"https:\/\/ieej.bookpark.ne.jp\/products\/ieej-btb2025p35","provider":"電気学会 電子図書館","version":"1.0","type":"link"}