Learning Stationary Correlated Equilibria in Constrained General-Sum Stochastic Games
研究了具有未知马尔可夫动态的约束一般和随机对策。提出了一种分布式约束无遗憾Q-学习方案（CNRQ），以保证收敛到博弈的平稳相关均衡集。现有技术仅解决无约束的情况，用嵌套的控制回路来构造，并且没有收敛结果。CNRQ是一个单循环的三时标异步随机近似算法，具有集值更新增量。一个严格的收敛性分析与微分包含参数的随机逼近的情况下，异步递归包含集值平均场的理论最近的扩展。给出了CNRQ在异构无线网络（HetNets）中的分散式资源控制的示例性应用的数值结果。
2015-06-01 cs.GT cs.MA
The 802.11 MAC protocol leads to inefficient equilibria
MIT Computer Science and Artificial Intelligence Laboratory（麻省理工学院计算机科学与人工智能实验室）
本文研究了802.11 MAC协议导致非合作节点进入低效均衡的问题，并提出通过独立分配信道资源与传输策略来提升吞吐量的方法。
2026-03-10 cs.GT cs.NI
Wireless Secret Sharing Game between Two Legitimate Users and an Eavesdropper
无线秘密共享对物联网时代的信息安全至关重要。一种方法是利用无线信道在数据链路层的随机性效应来生成两个合法用户Alice和Bob之间的公共秘密。本文从博弈论的角度对这种秘密共享机制进行了研究。特别是，我们制定了一个非合作零和游戏之间的合法用户和窃听夏娃。在一个对称的游戏中，夏娃有相同的概率成功地接收到一个数据包从爱丽丝和鲍勃的传输距离是相同的，我们表明，纯策略和混合策略纳什均衡存在。在一个不对称的游戏中，夏娃有不同的概率成功地接收到一个数据包从爱丽丝和鲍勃，一个纯策略可能不存在，在这种情况下，我们展示了如何混合策略纳什均衡可以找到。
2021-01-27 cs.GT cs.NI
Congestion Games on Weighted Directed Graphs, with Applications to Spectrum Sharing
随着复杂大规模网络的发展，了解自私和空间分布的个体如何在没有集中协调的情况下共享网络资源变得越来越重要。在本文中，我们介绍了加权边的图形拥塞博弈（GCGWE）作为一个一般的理论模型来研究这个问题。在GCGWE中，我们将玩家视为加权图中的顶点。由两个邻近的玩家彼此引起的负面影响（例如拥塞）的量由连接它们的边的权重确定。GCGWE统一并显着概括了之前文献中考虑的几个更简单的模型，非常适合对广泛的网络场景进行建模。一个很好的例子是使用GCGWE对无线网络中的频谱共享进行建模，其中我们可以适当地定义边缘权重和支付函数，以捕获无线节点之间相当复杂的干扰关系。通过识别哪些GCGWE拥有纯纳什均衡和非常理想的有限改进属性，我们获得洞察空间分布的无线节点将能够自组织成一个相互接受的资源分配。我们还考虑了纯纳什均衡的效率，以及找到它们的计算复杂性。
2012-06-03 cs.GT cs.NI
Joint Rate Adaptation and Medium Access in Wireless LANs: a Non-cooperative Game Theoretic Perspective
基于IEEE 802.11标准的无线局域网（WLAN）如今正变得无处不在，并且通常支持多个数据率。在这种多速率WLAN中，分布式介质接入和速率自适应是实现高效无线电资源利用的两个关键要素，特别是在非协作环境中。在本文中，我们提出了一个分析研究的非合作的多速率无线局域网组成的自私用户联合调整他们的数据率和竞争窗口大小在介质接入层，以最大限度地提高自己的吞吐量，而不管他们的自私行为对整体系统性能的影响。具体来说，我们开发了一个适应的针锋相对（TFT）的战略，引导系统在非合作环境中的有效平衡。我们模型的自私用户之间的相互作用下，适应TFT框架作为一个非合作的联合媒体接入和速率自适应游戏。一个系统的分析进行的游戏的结构属性，以提供洞察速率自适应和802.11媒体访问控制之间的相互作用，在竞争激烈的设置。我们表明，游戏有多个均衡，其中，经过均衡细化过程，我们开发，减少到一个独特的有效均衡。我们进一步开发了一个分布式算法来实现这种平衡，并证明了平衡实现的性能非常接近系统的最佳社会的角度来看。
2012-07-18 cs.GT
A hybrid decision approach for the association problem in heterogeneous networks
网络游戏领域对无线网络的影响越来越大。这反映了对重要的扩展优势的认识，服务提供商可以通过增加移动设备在决策中的自主权而受益。然而，这可能会导致非合作博弈中均衡所固有的低效率。由于对效率的关注，集中式协议一直被考虑并与分散式协议进行比较。从网络架构的角度来看，这意味着以网络为中心和以终端为中心的无线电资源管理方案的共存。而不是在每个解决方案的支持者之间的辩论中的一部分，我们在本文中提出的混合方案，无线用户在他们的决定，广播聚合负载信息的网络协助。我们得到的效用有关的服务质量（QoS）的用户感知和发展的贝叶斯框架，以获得均衡。数值结果表明，使用我们的混合博弈框架在HSDPA和3G LTE系统组成的网络中的关联问题的优势。
2010-04-02 cs.GT cs.NI
Random Access Game in Fading Channels with Capture: Equilibria and Braess-like Paradoxes
分析了具有自私节点的时隙ALOHA系统中传输概率的纳什均衡点。该系统由有限数量的异构节点组成，每个节点都试图自私地最小化其平均传输概率（或功率投资），同时满足其在共享无线信道上到公共基站（BS）的平均吞吐量需求。我们使用博弈论的方法来分析两种接收模式下的网络：一个是所谓的功率捕获，另一个是所谓的信号干扰加噪声比（SINR）捕获。它表明，在某些情况下，Braess类悖论可能会发生。也就是说，当信道状态信息（CSI）在自私节点处可用时，系统的性能可能变得更差而不是更好。特别是，对于同质节点，我们分析提出，Braess的悖论发生在功率捕获模型，并在SINR捕获模型的捕获比大于1和噪声信号比足够小。
2011-03-29 cs.GT cs.IT math.IT
On the Capacity of Rate-Adaptive Packetized Wireless Communication Links under Jamming
我们制定的通信节点和对手之间的互动在博弈论的背景下。我们发现，早期的信息理论容量的结果对应于一个纯粹的纳什均衡（NE）的干扰信道。然而，当两个玩家都被允许随机化他们的动作时（即，编码率和干扰功率）的新的混合纳什均衡出现了令人惊讶的性能。我们示出了阈值（$J_{TH}$）的存在，使得如果干扰机平均功率超过$J_{TH}$，则NE处的信道容量与干扰机一直使用其最大允许功率$J_{Max}$的情况相同。这表明随机化显著有利于强大的干扰机。我们还展示了NE策略是如何推导出来的，我们提供了非常简单的（例如，半均匀）逼近最佳通信和干扰策略。这种策略在当前的硬件和软件中实现起来非常简单。
2012-04-10 cs.GT cs.IT math.IT
Anti-Jamming Games in Multi-Band Wireless Ad Hoc Networks
Korea Advanced Institute of Science and Technology (KAIST)（韩国科学技术院）
针对多用户的多频段无线自组织网络，研究了用户与干扰源之间的抗干扰博弈问题。在这个游戏中，用户（resp。干扰器）想要最大化（相应地，最小化）用户的预期回报，考虑到诸如通信速率、跳频成本和干扰损失的各种因素。我们分析了军备竞赛的游戏和推导出最佳的跳频策略在军备竞赛的每个阶段的马尔可夫决策过程（MDP）的基础上。分析表明，军备竞赛经过几个回合后达到一个均衡，并在均衡点处给出了跳频策略和干扰策略的特征。我们提出了两种冲突避免协议，以确保在每个频带中最多有一个用户进行通信，并提供各种数值结果，显示奖励参数和冲突避免协议的最优跳频策略和期望的奖励在平衡的影响。此外，我们还讨论了干扰机采用一些不可预测的干扰策略的情况下的均衡。
2022-06-11 cs.GT cs.IT cs.LG
Green Power Control in Cognitive Wireless Networks
认知和非认知发射机的分散网络，每个发射机的目的是最大限度地提高他的能源效率被认为是。假设认知发射机能够感知其非认知发射机的发射功率，并且认知发射机具有感知成本。通过对这种$2-$层次博弈的Stackelberg均衡分析，可以更好地理解认知对能源效率的影响。特别是，它被证明是最大化的网络能量效率时，只有一个给定的分数的终端是认知。然后，我们研究了一个感知游戏，其中所有的发射机被假定为采取的决定是否感（即认知）或不。证明了该博弈是一个加权势博弈，并研究了其均衡集。在第一阶段（例如，的时隙），然后玩功率控制游戏被证明是更有效的单独为所有发射机比玩游戏，其中发射机将联合优化是否感测和他的功率电平，显示存在一种Braess悖论。推导的结果示出的数值结果，并提供了一些见解如何部署认知无线电在异构网络中的感知能力。关键词：功率控制，Stackelberg均衡，能源效率。
2013-04-15 cs.GT cs.IT math.IT
Quality of Service Games for Spectrum Sharing
随着无线用户的爆炸式增长，当今的无线网络越来越拥挤，这些无线用户具有比以往任何时候都更大和更多样化的服务质量（QoS）需求。然而，可用于满足这些需求的频谱数量仍然有限。这给无线用户有效共享频谱以实现其QoS要求带来了巨大挑战。本文提出了一个频谱共享的博弈论模型，其中用户寻求以分布式方式满足他们的QoS需求。我们的频谱共享模型是相当通用的，因为我们允许不同的无线信道提供不同的QoS，这取决于它们的信道条件和有多少用户试图访问它们。此外，用户可以是高度异构的，具有不同的QoS需求，这取决于他们的活动、硬件能力和技术选择。在这样一个一般的设置下，我们表明，这是NP很难找到一个频谱分配，满足最大数量的用户的QoS要求，在一个集中的方式。我们还表明，允许用户通过分布式信道选择自组织是一个可行的替代集中式优化，因为更好的响应更新保证达到一个纯纳什均衡在多项式时间。通过界定无政府状态的无政府代价，我们证明了最坏情况下的纯纳什均衡可以接近最优，当用户和渠道不是很异质。我们还扩展了我们的模型，考虑频率空间复用，并考虑用户交互作为一个游戏上的图，玩家只与他们的邻居竞争。我们证明了更好的响应更新仍然保证达到一个纯粹的纳什均衡在这个更一般的空间QoS满意度的游戏。
2013-10-09 cs.GT cs.NI
Mean-Field Learning: a Survey
KAUST（阿卜杜拉国王科技大学）
本文研究了大局中人博弈中平稳均衡的迭代方法。大多数连续动作空间对策的学习算法都局限于严格收缩的最佳对策映射，其中的Banach-Picard迭代以几何收敛速度收敛。当最佳回复图不是收缩时，提出了基于Ishikawa的学习。该算法表现良好的Lipschitz连续和伪压缩映射。然而，收敛速度仍然不能令人满意。提出了几种加速技术。我们解释了如何认知用户可以提高收敛速度的基础上，只有少数测量。该方法在平均场博弈中提供了很好的性能，其中支付函数仅取决于自己的行动和平均场的平均值（一阶矩平均场博弈）。一个学习框架，利用这种游戏的结构，所谓的，平均场学习，提出。所提出的平均场学习框架不仅适用于博弈，而且适用于非凸全局优化问题。然后，我们引入了无反馈的平均场学习，并研究了选美比赛游戏中的均衡收敛，这在金融市场中有着有趣的应用。最后，我们提供了一个完全分布式的平均场学习和它的加速版本，在无线网络中令人满意的解决方案。我们用数值例子说明了收敛速度的提高。
2012-10-17 cs.GT cs.LG cs.MA
Transmission Game in MIMO Interference Channels With Radio-Frequency Energy Harvesting
对于MIMO干扰信道上的多用户传输，每个用户设计发送协方差矩阵以最大化其信息速率。当网络中存在无源射频（RF）能量收集器时，传输受到发射功率限制和能量收集要求两者的约束。无源RF能量收集器收集来自附近无线信息发射器的辐射能量，而不是使用专用无线功率源。它需要多个发射器来集中它们的RF辐射，因为典型的电场强度很弱。在本文中，战略游戏提出了多用户传输。首先，在一个非合作的游戏，每个发射机有一个最佳的响应策略的发送协方差矩阵，遵循一个多层次的注水解决方案。存在纯策略纳什均衡。其次，在合作博弈中，不需要估计从每个发射器收集的能量的比例。相反，发射机就能量贡献的单位奖励进行讨价还价。信息率的近似值被用于构造个体效用，使得网络效用最大化问题可以被分解，并且讨价还价过程可以分布式地实现。讨价还价的解决方案给出了一个点的利率是优于纳什均衡和接近帕累托前沿。仿真结果验证了算法，提供良好的通信性能，同时满足RF能量收集的要求。
2017-04-13 cs.GT cs.IT math.IT
Static and Repeated Cooperative Games for the Optimization of the AoI in IoT Networks
本文通过静态与重复合作博弈优化物联网网络中信息年龄（AoI）的最小化，提出新度量标准PoDU，证明去中心化方案接近集中最优。
2025-05-12 cs.GT cs.MA cs.NI
