💰 quantitative finance

Adaptive Agents in Spatial Double-Auction Markets: Modeling the Emergence of Industrial Symbiosis

यह शोध पत्र एक एजेंट-आधारित मॉडल प्रस्तुत करता है जो स्थानिक दोहरी-नीलामी बाजारों (spatial double-auction markets) और सुदृढीकरण शिक्षण (reinforcement learning) को संयोजित करता है ताकि यह प्रदर्शित किया जा सके कि कैसे अनुकूलनशील फर्में विकेंद्रीकृत समन्वय के माध्यम से स्थिर, कुशल औद्योगिक सहजीवन (industrial symbiosis) प्राप्त करने के लिए सामाजिक-स्थानिक घर्षणों पर विजय प्राप्त कर सकती हैं।

मूल लेखक: Matthieu Mastio, Paul Saves, Benoit Gaudou, Nicolas Verstaevel

प्रकाशित 2026-02-17

📖 6 मिनट में पढ़ें🧠 गहराई से पढ़ें

CC BY 4.0

मूल लेखक: Matthieu Mastio, Paul Saves, Benoit Gaudou, Nicolas Verstaevel

मूल पेपर CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) के तहत लाइसेंस किया गया है। ✨ नीचे दिए गए पेपर की यह व्याख्या AI से तैयार की गई है। इसे लेखकों ने न तो लिखा है, न इसका समर्थन किया है। तकनीकी सटीकता के लिए मूल पेपर देखें। पूरा डिस्क्लेमर पढ़ें

एक हलचल भरे पड़ोस की कल्पना करें जहाँ हर घर की एक अनूठी समस्या है: किसी के पास ईंटों का ढेर है, किसी की छत से बारिश का पानी टपक रहा है, और तीसरे के पास कबाड़ धातु का एक बड़ा ढेर है जिसे लेकर वह समझ नहीं पा रहा कि क्या करे।

वास्तविक दुनिया में, इन "अपशिष्ट" वस्तुओं को आमतौर पर कचरे (लैंडफिल) में फेंक दिया जाता है, जिससे पैसा भी खर्च होता है और ग्रह को भी नुकसान पहुँचता है। लेकिन क्या होगा अगर ईंट बनाने वाला अपने बचे हुए माल को छत ठीक करने वाले को बेच सके, और बारिश के पानी को गार्डन सेंटर को बेचा जा सके? यह इंडस्ट्रियल सिम्बायोसिस (औद्योगिक सहजीवन) का सपना है: एक कंपनी के कचरे को दूसरी कंपनी की संपत्ति में बदलना।

समस्या यह है कि इसे साकार करना कठिन है। कंपनियाँ मानचित्र पर बिखरी हुई हैं, उन्हें हमेशा यह नहीं पता होता कि किसे क्या चाहिए, और वे व्यापार करने के प्रयास में पैसा खोने से डरती हैं।

यह शोध पत्र एक कंप्यूटर सिमुलेशन (एक "डिजिटल खेल का मैदान") प्रस्तुत करता है ताकि यह पता लगाया जा सके कि बिना किसी बॉस के निर्देश के, यह व्यापार स्वाभाविक रूप से कैसे हो सकता है।

डिजिटल खेल का मैदान: एक विशाल flea market (कबाड़ी बाज़ार)

लेखकों ने एक आभासी दुनिया बनाई है जिसमें 40 डिजिटल कंपनियाँ हैं।

विक्रेता (Sellers): वे कंपनियाँ जिनके पास अतिरिक्त सामान (उप-उत्पाद) है जिसे वे हटाना चाहती हैं।
खरीदार (Buyers): वे कंपनियाँ जिन्हें कच्चे माल की आवश्यकता है।
चुनौती (The Catch): सामान को एक स्थान से दूसरे स्थान तक ले जाने में पैसा खर्च होता है (परिवहन लागत), और चीजों को बस फेंक देने में और भी अधिक पैसा खर्च होता है (निपटान दंड)।

किसी मानव बॉस द्वारा कीमतें तय करने के बजाय, ये कंपनियाँ एडेप्टिव एजेंट (अनुकूलनशील एजेंट) हैं। इन्हें वीडियो गेम के किरदारों की तरह समझें जो बाजार में खेलना सीख रहे हैं।

"स्मार्ट" कंपनियाँ कैसे सीखती हैं

अतीत में, कंप्यूटर मॉडल यह मान लेते थे कि कंपनियाँ निश्चित नियमों का पालन करने वाले रोबोट हैं (जैसे, "हमेशा $10 में बेचें")। लेकिन वास्तविक व्यवसाय स्मार्ट होते हैं; वे जो हो रहा है उसके आधार पर अपना निर्णय बदलते हैं।

इस सिमुलेशन में, विक्रेता रीइन्फोर्समेंट लर्निंग (सुदृढीकरण लर्निंग) नामक तकनीक का उपयोग करते हैं।

उपमा: एक कुत्ते को बैठने के लिए प्रशिक्षित करने की कल्पना करें। यदि वह बैठता है, तो उसे इनाम (लाभ) मिलता है। यदि वह कूदता है, तो उसे कोई इनाम नहीं मिलता (या दंड मिलता है)। समय के साथ, कुत्ता सबसे अधिक इनाम पाने के लिए सबसे अच्छी ट्रिक सीख जाता है।
मॉडल में: डिजिटल कंपनियाँ अलग-अलग कीमतें आजमाती हैं। यदि वे ऐसी कीमत तय करती हैं जिससे उनका सामान जल्दी बिक जाए और "निपटान दंड" से बचा जा सके, तो उन्हें "इनाम" (लाभ) मिलता है। यदि वे बहुत अधिक कीमत रखती हैं और सामान सड़ जाता है, तो उन्हें दंडित किया जाता है।
परिणाम: हजारों सिम्युलेटेड दिनों के दौरान, ये कंपनियाँ चार्ज करने के लिए एकदम सही कीमत "सीख" जाती हैं। वे ठीक से गणना कर लेती हैं कि प्रतिस्पर्धा को पछाड़ने के लिए और खरीदारों को डराए बिना कितना चार्ज करना है।

बड़ी खोजें

शोधकर्ताओं ने यह देखने के लिए सिमुलेशन को लाखों बार चलाया कि कौन सी स्थितियाँ इस "कचरे से संपत्ति" बनाने वाली प्रणाली को सबसे अच्छा काम करने में मदद करती हैं। यहाँ उन्होंने पाया, सरल उपमाओं का उपयोग करते हुए:

1. "भीड़भाड़ वाला कमरा" प्रभाव (घनत्व/Density)

निष्कर्ष: सबसे महत्वपूर्ण कारक यह है कि कंपनियाँ एक-दूसरे के कितने करीब हैं।
उपमा: एक गैरेज सेल (घर के बाहर सामान बेचने की बिक्री) की कल्पना करें। यदि आपका घर एक भीड़भाड़ वाले पड़ोस में है, तो आप आसानी से अपना पुराना फर्नीचर पड़ोसी को बेच सकते हैं। यदि आप रेगिस्तान के बीच में रहते हैं, तो कोई भी खरीदने नहीं आएगा, चाहे आप इसे कितना भी सस्ता क्यों न कर दें।
सबक: औद्योगिक पार्क तब सबसे अच्छा काम करते हैं जब कंपनियाँ एक-दूसरे के करीब होती हैं। दूरी, रीसाइक्लिंग की दुश्मन है।

2. "कचरा टैक्स" (निपटान लागत/Disposal Costs)

निष्कर्ष: यदि चीजों को फेंकना बहुत महंगा है, तो कंपनियाँ अचानक अपने "अपशिष्ट" को बेचने के लिए बहुत उत्सुक हो जाती हैं।
उपमा: कल्पना करें कि यदि शहर आपसे आपके कचरे के बैग के लिए $100 लेता है, लेकिन केवल$ 10 में उसे पड़ोसी को देने की अनुमति देता है जिसे इसकी आवश्यकता है। अचानक, आप अपने कचरे को मुफ्त में देने के लिए पूरे पड़ोस में दौड़ने लगेंगे!
सबक: सरकारें कचरा फेंकने को महंगा बनाकर रीसाइक्लिंग को प्रोत्साहित कर सकती हैं। यह कंपनियों को खरीदार खोजने के लिए मजबूर करता है।

3. "कमी" का खेल (Scarcity)

निष्कर्ष: जब किसी संसाधन की कमी होती है, तो कीमतें बढ़ जाती हैं और कंपनियाँ बेचने में खुश होती हैं। जब किसी संसाधन की बहुत अधिकता होती है, तो कीमतें गिर जाती हैं।
उपमा: यदि सूखे के दौरान हर किसी को पानी की आवश्यकता होती है, तो आप बहुत अधिक शुल्क ले सकते हैं। यदि मूसलाधार बारिश हो रही है, तो कोई आपका पानी नहीं खरीदेगा।
सबक: बाजार खुद को संतुलित करता है। जब संसाधन दुर्लभ होते हैं, तो "सिम्बायोसिस" स्वतः ही होता है क्योंकि हर कोई उन्हें चाहता है।

4. "स्वीट स्पॉट" (संतुलन/Equilibrium)

निष्कर्ष: भले ही कंपनियाँ अपने स्वयं के स्वार्थ (अधिकतम लाभ कमाने की कोशिश) के लिए कार्य कर रही हों, वे अंततः एक स्थिर पैटर्न में बस जाती हैं जहाँ हर कोई खुश होता है।
उपमा: यह एक डांस फ्लोर की तरह है। शुरू में, हर कोई एक-दूसरे से टकराता है और पैरों पर पड़ता है। लेकिन कुछ समय बाद, वे लय पकड़ लेते हैं, और हर कोई बिना टकराए सुचारू रूप से नाचता है। कंप्यूटर ने सिद्ध किया कि ये "स्मार्ट" कंपनियाँ बिना किसी रेफरी के स्वाभाविक रूप से एक स्थिर लय खोज लेती हैं।

यह क्यों महत्वपूर्ण है

यह शोध पत्र अर्थव्यवस्था के लिए एक फ्लाइट सिम्युलेटर की तरह है। वास्तविक सरकारें नए कानून बनाने या कंपनियाँ नए कारखाने बनाने से पहले, वे इस मॉडल का उपयोग "क्या होगा यदि?" पूछने के लिए कर सकती हैं।

क्या होगा यदि हम कचरे पर अधिक भारी टैक्स लगाते हैं? (मॉडल कहता है: बहुत अच्छा! रीसाइक्लिंग बढ़ जाती है।)
क्या होगा यदि हम शहर से दूर एक नया इंडस्ट्रियल पार्क बनाते हैं? (मॉडल कहता: बुरा विचार! परिवहन लागत सौदों को खत्म कर देगी।)
क्या होगा यदि हम ट्रकिंग पर सब्सिडी देते हैं? (मॉडल कहता: अच्छा! यह दूर स्थित कंपनियों को जोड़ने में मदद करता है।)

निष्कर्ष

लेखकों ने दिखाया है कि कंपनियों को रीसायकल करने के लिए मजबूर करने के लिए आपको किसी केंद्रीय योजनाकार की आवश्यकता नहीं है। यदि आप सही नियम सेट करते हैं (जैसे कचरा फेंकना महंगा बनाना) और कंपनियों को पर्याप्त करीब रखते हैं, तो स्मार्ट, अनुकूलनशील कंपनियाँ स्वाभाविक रूप से अपने कचरे को लाभ के लिए व्यापार करना सीख लेंगी।

यह एक आशाजनक संदेश है: बाजार, जब सही ढंग से डिज़ाइन किया गया हो, तो वह पर्यावरणीय समस्याओं को खुद हल कर सकता है, और कचरे के ढेर को एक फलते-फूलते सर्कुलर इकोनॉमी (चक्रीय अर्थव्यवस्था) में बदल सकता है।

यहाँ शोध पत्र "Adaptive Agents in Spatial Double-Auction Markets: Modeling the Emergence of Industrial Symbiosis" का विस्तृत तकनीकी सारांश दिया गया है।

1. समस्या विवरण (Problem Statement)

औद्योगिक सहजीवन (Industrial Symbiosis - IS) में फर्में मूल्य सृजन के लिए उप-उत्पादों (अपशिष्ट) का आदान-प्रदान करती हैं, जो चक्रीय अर्थव्यवस्था (circular economy) का एक मुख्य तंत्र है। हालाँकि, सामाजिक-स्थानिक घर्षणों (socio-spatial frictions) के कारण IS शायद ही कभी स्वतःस्फूर्त रूप से उभरता है:

स्थानिक बाधाएं (Spatial Constraints): फर्मों के बीच परिवहन लागत और भौतिक दूरी।
बाजार जटिलता (Market Complexity): बिना किसी केंद्रीय योजनाकार के विकेंद्रीकृत समन्वय की आवश्यकता।
व्यवहार संबंधी कठोरता (Behavioral Rigidity): मौजूदा मॉडल अक्सर यह मान लेते हैं कि फर्में निश्चित नियमों या स्थिर मूल्य निर्धारण रणनीतियों का पालन करती हैं, जिससे अनिश्चितता के तहत वास्तविक दुनिया के निर्णय लेने की अनुकूलन क्षमता (adaptive nature) को पकड़ने में विफलता होती है।

वर्तमान साहित्य में ऐसे मॉडलों का अभाव है जो कुशलतापूर्वक परिणामों की ओर अभिसरण (converge) करने के लिए स्थानिक टोपोलॉजी (spatial topology), अंतर्जात मूल्य निर्धारण (endogenous price formation) और अनुकूलनशील एजेंट लर्निंग (adaptive agent learning) को एक साथ एकीकृत करते हों।

2. कार्यप्रणाली (Methodology)

लेखक एक स्थानिक रूप से स्पष्ट बहु-एजेंट प्रणाली (Spatially Explicit Multi-Agent System - MAS) प्रस्तावित करते हैं जहाँ विषम फर्में एक विकेंद्रीकृत बहुपक्षीय दोहरी नीलामी (decentralized multilateral double-auction) के माध्यम से परस्पर क्रिया करती हैं।

A. वातावरण और एजेंट (Environment and Agents)

एजेंट: एक 2D स्थानिक वातावरण में वितरित खरीदारों ( $B$ ) और विक्रेताओं ( $S$ ) का एक समूह।
स्थानिक तर्क (Spatial Logic): खरीदार और विक्रेता के बीच की दूरी ( $d_{ij}$ ) परिवहन लागत ( $c_{ij} = d_{ij} \times c_t$ ) को निर्धारित करती है।
बाजार तंत्र:
- विक्रेता: व्यक्तिगत कीमतें $p_{ij} = \phi_j p_m + c_{ij}$ प्रस्तावित करते हैं, जहाँ $p_m$ एक बाह्य बाजार संदर्भ मूल्य है, $c_{ij}$ परिवहन लागत है, और $\phi_j$ एक अनुकूलनशील मूल्य निर्धारण पैरामीटर है।
- खरीदार: यदि $p_{ij} \leq \beta_i p_m$ हो (मूल्य संवेदनशीलता $\beta_i$ के आधार पर), तो वे प्रस्ताव स्वीकार करते हैं।
- दंड (Penalties): अनबिके इन्वेंट्री के लिए विक्रेताओं को निपटान लागत ( $c_d$ ) का सामना करना पड़ता है (लैंडफिल दंड), जो बिक्री के लिए प्रोत्साहन देता है।
अल्पता (Scarcity): कुल मांग और कुल आपूर्ति के अनुपात ( $s$ ) के रूप में परिभाषित है।

B. लर्निंग मैकेनिज्म (Reinforcement Learning)

विक्रेता अनुकूलन (Seller Adaptation): विक्रेता इष्टतम मूल्य निर्धारण रणनीतियों ( $\phi_j$ $ϕ_{j}$ ) को सीखने के लिए कॉन्टेक्स्टुअल मल्टी-आर्म्ड बैंडिट (Contextual Multi-Armed Bandit) दृष्टिकोण का उपयोग करते हैं।
- एक्शन स्पेस: मूल्य निर्धारण गुणक $\phi$ के लिए $K$ अंतरालों में विभाजित।
- पुरस्कार (Reward): तात्कालिक लाभ (राजस्व घटा परिवहन लागत और निपटान दंड)।
- अपडेट नियम: अतीत के पुरस्कारों और हालिया पुरस्कारों के बीच संतुलन बनाने के लिए एक्सपोनेंशियल मूविंग एवरेज (EMA) के माध्यम से क्रियाओं के भार को अपडेट किया जाता है।
- एक्सप्लोरेशन (Exploration): अन्वेषण और दोहन (exploration and exploitation) के बीच संतुलन बनाए रखने के लिए घटते तापमान ( $\tau_t$ ) के साथ बोल्ट्ज़मैन (Softmax) सैंपलिंग का उपयोग किया जाता है, जो स्थिर रणनीतियों तक अभिसरण सुनिश्चित करता है।
खरीदार व्यवहार: खरीदार उपयोगिता अधिकतम करने वाले (utility maximizers) के रूप में कार्य करते हैं, और अपनी मूल्य सहनशीलता के भीतर सर्वोत्तम प्रस्ताव का चयन करते हैं।

C. नीलामी एल्गोरिदम (Auction Algorithm)

परस्पर क्रिया एक विकेंद्रीकृत बहुपक्षीय नीलामी (एल्गोरिदम 1) का अनुसरण करती है:

विक्रेता सभी खरीदारों को बोलियाँ (bids) प्रस्तुत करते हैं।
खरीदार अपनी सहनशीलता के भीतर सबसे आकर्षक बोली का चयन करते हैं।
विक्रेता लाभ को अधिकतम करने के लिए स्वीकृत बोलियों को इन्वेंट्री आवंटित करते हैं।
अनुबंध निष्पादित होते हैं, और इन्वेंट्री अपडेट होती है।
प्रक्रिया तब तक दोहराई जाती है जब तक कि कोई और मिलान संभव न हो।

D. मूल्यांकन मेट्रिक्स (Evaluation Metrics)

सहजीवन सूचकांक (Symbiosis Index - SI): $SI = \frac{q_{bought}}{\min(q_{toSell}, q_{needed})।}$ यह स्थानीय स्तर पर संतुष्ट मांग के अनुपात को मापता है।
काउंटरफैक्चुअल रिग्रेट विश्लेषण (Counterfactual Regret Analysis): यह सत्यापित करने के लिए उपयोग किया जाता है कि क्या विक्रेता रणनीतियाँ नैश इक्विलिब्रियम (Nash Equilibrium) की ओर अभिसरित होती हैं, जिसमें क्रिया बदलने से होने वाले संभावित लाभ की गणना की जाती है।
ग्लोबल सेंसिटिविटी एनालिसिस (Global Sensitivity Analysis): परिणामों पर मापदंडों (घनत्व, अल्पता, परिवहन लागत, आदि) के प्रभाव को मापने के लिए सोबोल इंडेक्स (Sobol' indices) (सरोगेट मॉडल जैसे पॉलीनोमियल चाओस एक्सपेंशन और न्यूरल नेटवर्क के माध्यम से) का उपयोग किया जाता है।

3. प्रमुख योगदान (Key Contributions)

नवीन बाजार मॉडल: एक स्थानिक रूप से अंतर्निहित, विकेंद्रीकृत दोहरी नीलामी तंत्र जहाँ कीमतें और मात्राएँ केंद्रीय रूप से निर्धारित होने के बजाय स्थानीय अंतःक्रियाओं से स्वतः उत्पन्न होती हैं।
अनुकूलनशील लर्निंग एकीकरण: विकेंद्रीकृत औद्योगिक सहजीवन बाजारों में (जहाँ परिवहन लागत और स्थानिक टोपोलॉजी सीधे रणनीतिक व्यवहार को संचालित करते हैं) कॉन्टेक्स्टुअल बैंडिट्स और बोल्ट्ज़मैन एक्सप्लोरेशन के साथ सुदृढीकरण शिक्षण (Reinforcement Learning) का पहला अनुप्रयोग।
कठोर सत्यापन:
- काउंटरफैक्चरल रिग्रेट विश्लेषण के माध्यम से विक्रेता रणनीतियों को निकट-नैश इक्विलिब्रियम की ओर अभिसरित होते हुए प्रदर्शित किया गया।
- स्थानिक संरचना बनाम आर्थिक प्रोत्साहन के प्रभावों को अलग करने के लिए एक ग्लोबल सेंसिटिविटी एनालिसिस प्रदान किया गया।
नीति ढांचा (Policy Framework): वास्तविक दुनिया में कार्यान्वयन से पहले नीतिगत हस्तक्षेपों (जैसे लैंडफिल टैक्स, लॉजिस्टिक्स सब्सिडी) का परीक्षण करने के लिए एक "वर्चुअल प्रयोगशाला" स्थापित की गई।

4. परिणाम (Results)

अभिसरण (Convergence): लेनदेन की कीमतें समय के साथ स्थिर हो जाती हैं। उच्च अल्पता (high scarcity) में, कीमतें बाहरी बाजार मूल्य के करीब पहुँच जाती हैं। कम अल्पता में, वे निपटान लागत के स्तर की ओर गिर जाती हैं। रिग्रेट विश्लेषण पुष्टि करता है कि रणनीतियाँ इष्टतमता (optimality) की ओर बढ़ती हैं।
मूल्य गतिशीलता (Price Dynamics):
- निपटान लागत ( $c_d$ ): उच्च दंड विक्रेताओं को, विशेष रूप से कम अल्पता वाले वातावरण में, अपशिष्ट से बचने के लिए कीमतें कम करने के लिए मजबूर करते हैं।
- अल्पता ( $s$ ): उच्च अल्पता संसाधनों के लिए प्रतिस्पर्धा के कारण कीमतों को निपटान लागत से सुरक्षित रखती है।
सहजीवन गतिशीलता (Symbiosis Dynamics):
- फर्म घनत्व ( $\rho$ ): सबसे महत्वपूर्ण कारक। उच्च घनत्व परिवहन लागत को कम करने और प्रतिस्पर्धा बढ़ाने के कारण सहजीवन सूचकांक (1.0 के करीब) के तीव्र संतृप्ति की ओर ले जाता है।
- परिवहन लागत ( $c_t$ ): कम घनत्व वाले वातावरण में महत्वपूर्ण है। भौगोलिक रूप से बिखरी हुई फर्मों में सहजीवन को सक्षम करने के लिए परिवहन लागत को कम करना आवश्यक है।
- क्लस्टर प्रसार (Cluster Spread): स्थानिक सघनता (compactness) निम्न घनत्व की आंशिक रूप से भरपाई कर सकती है लेकिन इसके प्रतिफल घटते जाते हैं।
संवेदनशीलता विश्लेषण (Sensitivity Analysis):
- फर्म घनत्व मूल्य और सहजीवन दोनों के लिए प्रमुख चालक है।
- परिवहन लागत और निपटान दंड सबसे प्रभावी नियंत्रणीय नीति उपकरण हैं।
- अंतःक्रियाएं (Interactions): उच्च-क्रम की अंतःक्रियाएं (जैसे अल्पता और घनत्व के बीच) परिणामों को महत्वपूर्ण रूप से प्रभावित करती हैं, जो सिस्टम की गैर-रेखीय प्रकृति को उजागर करती हैं।

5. महत्व और निहितार्थ (Significance and Implications)

सैद्धांतिक: यह शोध पत्र गेम थ्योरी (नैश इक्विलिब्रियम) और एजेंट-आधारित मॉडलिंग के बीच के अंतर को पाटता है, यह सिद्ध करता है कि विकेंद्रीकृत, अनुकूलनशील एजेंट केंद्रीय समन्वय के बिना कुशल बाजार इक्विलिब्रियम में स्वयं को व्यवस्थित कर सकते हैं।
नीतिगत: यह नीति निर्माताओं के लिए कार्रवाई योग्य अंतर्दृष्टि प्रदान करता है:
- लैंडफिल टैक्स: निपटान दंड को बढ़ाना, विशेष रूप से जब घनत्व कम हो, चक्रीयता (circularity) को मजबूर करने के लिए एक मजबूत साधन है।
- लॉजिस्टिक्स सब्सिडी: भौगोलिक रूप से बिखरे हुए औद्योगिक पार्कों में सहजीवन को सक्षम करने के लिए परिवहन लागत को कम करना महत्वपूर्ण है।
- ज़ोनिंग (Zoning): औद्योगिक क्लस्टरिंग (घनत्व बढ़ाना) को बढ़ावा देने वाली नीतियां अत्यधिक प्रभावी हैं, लेकिन उन्हें आर्थिक प्रोत्साहनों की तुलना में लागू करना कठिन हो सकता है।
सीमाएं और भविष्य का कार्य: वर्तमान मॉडल एक एकल उप-उत्पाद और शैलीबद्ध भूगोल (stylized geography) पर केंद्रित है। भविष्य के कार्यों में अधिक यथार्थवाद लाने के लिए बहु-उत्पाद वातावरण, अस्थायी गतिशीलता (उत्पादन चक्र), और एजेंट मेमोरी (विश्वास/अनुबंध) को शामिल करने का लक्ष्य है।

संक्षेप में, यह कार्य प्रदर्शित करता है कि अनुकूलनशील लर्निंग के माध्यम से विकेंद्रीकृत समन्वय औद्योगिक सहजीवन में प्राप्त किया जा सकता है, बशर्ते कि स्थानिक घर्षणों का प्रबंधन किया जाए और आर्थिक प्रोत्साहन (दंड/सब्सिडी) स्थिरता लक्ष्यों के साथ संरेखित हों।