연구진은 고속철도 시장의 동적 가격 책정 문제를 해결하기 위해 관계적 멀티 에이전트 강화 학습 프레임워크를 제안했어요.
제안된 프레임워크는 운영 단위를 노드로, 경쟁·협력·연결 관계를 간선으로 표현하는 엔티티 그래프 모델을 활용해요.
관계 기반 그래프 컨볼루션 네트워크와 학습된 어텐션 메커니즘을 통해 엔티티 특징을 처리하고 집계하여 시장 복잡성이 증가하는 두 환경에서 기존 방식보다 높은 수익과 안정성을 달성했어요.
연구 결과는 GitHub에서 공개됐어요.