Thompson Sampling による期待自己利得最大化戦略を持つ エージェント集団における反復最後通牒ゲームの分析

本稿では,Kaptein[6] が公開した反復最後通牒ゲーム(Iterated Ultimatum Game)のエージェントベースシミュレーションを Mesa 3.5[5] に移植した上で,目的関数・応答規則・利得計算の 3 点を修正し,改めてシミュレーション分析を行った.オリジナル実装では提案戦略の目的関数が応答者の期待取り分 θi · i を最大化する定式化になっていたが,本稿ではこれを提案者の期待自己利得 θi · (10 − i) に修正した.Rand et al.[3] の進化的淘汰モデルが単発ゲームにおける集団レベルの戦略選択を扱うのに対し,本研究では反復ゲームにおける個体レベルのベイズ学習(Thompson Sampling)の動態を検討する.200 体のエージェントからなる混合集団で 50 ラウンド ×50 試行のシミュレーションを実施した結果,自己利得最大化 Thompson Sampling 提案者は平均提案額約 2.1(配分可能額 10 の約 21%)に収束し,サブゲーム完全均衡の予測に近い低額提案を学習した.一方,受諾率は全条件で約 0.5 にとどまった.これは,本稿の応答規則が提案額に依存した効用構造を持たず,履歴ベースの受諾確率推定を 0.5 閾値で判定する設計に起因する.公平な分配の創発には学習アルゴリズムだけでなく,応答者側の効用構造(不公平回避等)が不可欠であることが示唆された.