基于博弈论与多智能体强化学习的区域辅助服务市场
多智能体系统
2025-11-13 v4 计算机科学与博弈论
综合经济学
经济学
摘要
我们基于非合作博弈论刻画了区域辅助服务市场耦合。为此，我们将辅助服务市场表述为一个多领导者-单跟随者的双层问题，随后将其转化为一个带有边约束和非凸可行集的广义纳什博弈。我们确定了均衡存在的条件，并证明该博弈具有广义势博弈结构。为了计算市场均衡，我们采用了两种精确方法：一种集成优化方法和高斯-赛德尔最佳响应法，并将它们与多智能体深度强化学习进行比较。基于德国和奥地利的真实数据，仿真结果表明，多智能体深度强化学习实现了最小的收敛速度，但需要预训练，而最佳响应法最慢。在经济方面，与精确方法相比，多智能体深度强化学习导致更低的市场成本，但代价是利益相关者之间利润分配的波动性更高。此外，区域间更强的耦合倾向于降低较大区域的成本。
引用
@article{arxiv.2505.03288,
title = {Game Theory and Multi-Agent Reinforcement Learning for Zonal Ancillary Markets},
author = {Francesco Morri and Hélène Le Cadre and Pierre Gruet and Luce Brotcorne},
journal= {arXiv preprint arXiv:2505.03288},
year = {2025}
}