Selfish routing games with priority lanes
School of Mathematics and Statistics, Northwestern Polytechnical University（西北工业大学数学与统计学院）；Department of Applied Mathematics, University of Twente（特温特大学应用数学系）
本文提出了一种基于优先车道的自私路由机制，通过边际成本定价实现系统最优，证明了优先费用等于边际外部成本时，均衡流量与社会最优一致，且无序价格为1。
2026-02-06 cs.GT
Study of the effect of cost policies in the convergence of selfish strategies in Pure Nash Equilibria in Congestion Games
在这项工作中，我们研究了一组全球资源的用户之间的竞争情况。更确切地说，我们研究的效果，这些资源所使用的成本政策在收敛时间到一个纯粹的纳什均衡。这项工作分为两部分。在理论部分，我们证明了各种成本政策的收敛时间的上下限。然后，我们实现了我们研究的所有模型，并提供了一些实验结果。这些结果遵循的理论与一个例外，这是最有趣的实验。在联盟用户的情况下，理论上界是伪多项式的用户数，但实验结果表明，收敛时间是多项式。
2011-03-25 cs.GT
Repeated Games With Intervention: Theory and Applications in Communications
在用户共享公共资源的通信系统中，用户的自私行为通常导致次优的资源利用率。已经有大量的工作，模型与自私的用户作为一次性游戏的通信系统，并提出激励计划，以实现帕累托最优的行动配置文件作为非合作的均衡。然而，在许多通信系统中，由于用户之间的强负外部性，一次性博弈的可行支付集是非凸的。因此，有可能通过让用户选择不同收益的凸组合来扩展可行收益的集合。在本文中，我们提出了一个重复博弈模型的干预广义。首先，我们使用重复的游戏，凸的一次游戏中的可行的支付。其次，我们结合传统的重复游戏与干预，最初提出的一次性游戏，以实现更大的一组均衡收益和放松的要求，用户的耐心，以实现it.We研究的问题，最大化的福利函数定义的用户的均衡收益，受最低收益保证。在给定最优均衡收益的情况下，我们推导出了最小干预能力，并设计了相应的均衡策略。所提出的广义重复博弈模型适用于各种通信系统，如功率控制和流量控制。
2011-11-10 cs.GT cs.IT math.IT
Diffusion of Cooperative Behavior in Decentralized Cognitive Radio Networks with Selfish Spectrum Sensors
本文研究了分布式认知无线电网络中自私频谱感知用户的协作行为随时间的扩散。用户可以单独选择是否参与协作频谱感知，以最大化他们的感知虚警率和发送能量消耗方面定义的个人收益。该系统被建模为一个部分连接的网络与统计分布的程度的用户，谁发挥他们的短视的最佳反应，他们的邻居在每次迭代的行动。在此模型的基础上，我们研究了扩散博弈的贝叶斯纳什均衡的存在性和特征。接下来分析了网络拓扑结构、信道衰落统计、传感协议和多天线对扩散过程结果的影响。模拟结果表明，如何有利于不同的网络场景的扩散合作提出了进一步的见解，我们的结论与额外的改进和值得追求的问题进行了讨论。
2013-02-06 cs.GT cs.IT math.IT
Selfish Jobs with Favorite Machines: Price of Anarchy vs Strong Price of Anarchy
我们认为，充分研究的博弈论版本的机器调度中，工作对应于自我利益的用户和机器对应的资源。在这里，每个用户选择一台机器，试图最小化她自己的成本，这种自私的行为通常会导致一些不是全局最优的均衡：均衡是一种分配，其中没有用户可以通过移动到另一台机器来减少她自己的成本，这通常不需要最小化完工时间，即，机器的最大负载。我们提供了严格的界限，在算法博弈论中，即，无政府状态的无政府代价和强无政府代价价格的机器调度设置之间的相关和不相关的机器的情况。这两个概念都研究了最坏均衡与最优均衡相比的社会成本（完工时间），无政府状态的强大无政府代价限制了更强形式的均衡。我们的研究结果扩展了先前的研究，比较了两台相关机器的无政府状态无政府代价价格和无政府状态无政府代价的强价格（Epstein，Acta Informatica 2010），从而进一步了解了这些概念之间的关系。我们的确切界限给出了两个模型之间的定性和定量比较。边界也表明，设置确实比两台不相关的机器更容易：在后者中，无政府状态的强大无政府代价是$2$，而在我们的机器中，它严格地更小。
2017-09-19 cs.GT
Strategic Learning and Robust Protocol Design for Online Communities with Selfish Users
本文主要研究网络社区中自利用户的搭便车行为。因此，传统的优化方法，如网络效用最大化的社区组成的合规用户不能在这里应用。在我们以前的工作中，我们展示了如何在网络社区中设计社会互惠协议，这些社区的人口由连续的用户组成，并且在随机排列下是固定的。在这些假设下，我们能够证明用户自愿遵守预先确定的社会规范，并通过提供服务与社区中的其他用户合作。在本文中，我们通过分析有限人口的在线社区中的自利用户的互动，是不固定的，推广的研究。为了根据自己的知识优化其长期性能，用户通过解决各个随机控制问题来调整策略以发挥最佳响应。最佳响应动态在社区中引入了一个随机动态过程，其中用户的策略随时间而演变。然后，我们研究了社区的长期演化，并证明了社区将收敛到随机稳定的平衡点是稳定的随机置换。了解社区的演变为协议设计者提供了设计社会规范的指导方针，其中没有用户有动机调整其策略并偏离规定的协议，从而确保所采用的协议将使社区能够实现最佳的社会福利。
2011-08-29 cs.GT cs.LG cs.SI
A real world network pricing game with less severe Braess' Paradox
互联网和图形有很大的关系。互联网的图形结构已经被广泛研究，以提供路由和其他问题的有效解决方案。但大多数研究都假设有一个控制和管理互联网的中央权威。在最近几年的博弈论模型已经提出了不需要一个中央权威和用户被假定为自私地路由他们的流量。存在的纳什均衡，拥塞和数量的无效率所造成的自私路由是在这个领域的主要关注。Braess悖论是自私路由网络中的一种悖论，是Braess首先发现的，是导致效率低下的主要原因。还提供了几种定价机制，其给出了互联网的用户（消费者）和ISP（互联网服务提供商）或卖家）之间的博弈理论模型。我们提出了一种新的定价机制，基于现实世界的互联网网络架构，它降低了自私路由博弈论网络中的Braess'Parkingness的严重性。这是组合用户和ISP之间的定价机制。我们证明了纳什均衡存在于这个网络中，并提供了无效率的界限。我们使用互联网的图形属性来证明我们的结果。一些有趣的扩展和未来的工作也进行了讨论。
2009-10-12 cs.GT
A Packet Dropping Mechanism for Efficient Operation of M/M/1 Queues with Selfish Users
我们考虑一个基本的博弈论问题，自私的用户贡献数据包的M/M/1队列。在这个游戏中，每个用户控制自己的输入速率，以便优化吞吐量和延迟之间的期望折衷。我们首先表明，原来的游戏有一个低效的纳什均衡（NE），与无政府代价（PoA），规模线性或更糟的用户数量。为了提高结果的效率，我们提出了一个易于实现的机制设计，使服务器随机丢弃数据包的概率是一个函数的总到达率。我们表明，这将导致在一个修改的M/M/1博弈，这是一个有序的潜在的游戏，至少有一个NE。特别是，对于线性分组丢弃函数，这是类似于随机早期检测（RED）算法用于互联网拥塞控制，我们证明了有一个唯一的NE。我们还表明，简单的最佳对策动态收敛到这个独特的平衡。最后，我们证明了该方案在均衡点的社会福利（表示为所有局中人效用之和，或表示为所有局中人效用的对数之和）可以任意接近全局最优点的社会福利，即PoA可以任意接近1.我们还通过仿真研究了到达率估计误差对PoA的影响。
2011-06-20 cs.GT cs.NI math.OC
When Does Diversity of User Preferences Improve Outcomes in Selfish Routing?
我们试图了解用户偏好的异质性何时会在总体成本方面产生更好的结果。人们之所以希望这样做，是因为人们普遍认为，多样性在许多情况下是有利的。我们在路由的上下文中对此进行调查。我们的主要结果是一个鲜明的特征的网络设置中，多样性总是有帮助的，而不是那些它有时是有害的。具体来说，我们考虑路由游戏，其中多样性出现的方式，用户权衡两个标准（如时间和金钱，或者，在随机延迟的情况下，期望和方差的延迟）。我们的主要贡献如下：1）在存在用户多样性的情况下，以参与者为导向的成本度量，以及自然基准的识别：对于适当定义的多样性平均值的相同成本度量。2)对多样性始终有帮助的网络拓扑进行全面表征，以满足所有延迟功能和需求。对于单商品路径，它们是串并联图，而对于多商品路径，它们是新定义的“块匹配”网络。后者包括多个串联-并联图的适当交织，每个串联-并联图连接不同的源-汇对。虽然从著名的Braess悖论来看，单一商品案例的结果似乎是直观的，但这两个问题是不同的：在有些情况下，尽管出现Braess悖论，多样性也有帮助，反之亦然。但主要的技术挑战是确定多商品网络结果的“只有”方向。接下来，通过构建一个多样性受损的实例，并通过仔细利用商品的简单源-汇路径在网络的“非块匹配”部分相交的方式，展示如何将其嵌入到任何非块匹配的网络中。
2018-06-27 cs.GT
Enforcing efficient equilibria in network design games via subsidies
网络的有效设计一直是一个重要的工程任务，涉及具有挑战性的组合优化问题。典型地，网络设计者必须在若干备选方案中选择要建立哪些链路，使得所得到的网络满足给定的一组连接性要求，并且建立网络链路的成本尽可能低。最小生成树问题是一个很好的例子。在本文中，我们考虑的自然场景中，连接的要求是由自私的用户谁同意分享网络的成本建立根据一个定义明确的规则。网络设计者提出的设计方案现在不仅要符合连通性要求，还要符合用户的自私性。从本质上讲，用户是所谓的网络设计游戏中的玩家，网络设计师必须提出一个设计，这是这个游戏的均衡。当自私开始起作用时，通常情况下，这种均衡可能是次优的。在本文中，我们考虑以下问题：网络设计者可以强制执行特定的设计作为均衡或保证有效的设计是一致的用户的自私适当补贴的一些网络链接？在试图理解这个问题，我们制定相应的优化问题，并提出积极和消极的结果。
2011-07-11 cs.CC cs.GT
Selfish Caching Games on Directed Graphs
缓存网络可以通过将内容缓存在更靠近用户的位置来降低访问内容的路由成本。然而，缓存节点可能属于不同的实体和行为自私，以最大限度地提高自己的利益，这往往会导致整体网络的性能下降。虽然已经有大量的文献分配内容缓存，以最大限度地提高社会福利，自私的缓存行为的分析仍然在很大程度上未被探索。在本文中，我们的自私行为的缓存节点的自私缓存游戏任意有向图异构的内容流行。研究了自私缓存博弈中纯策略纳什均衡（PSNE）的存在性，并从社会福利的角度分析了其效率.我们表明，PSNE并不总是存在于任意拓扑结构的缓存网络。然而，如果网络不具有混合请求循环，即，一个有向循环中，每个边缘是由至少一个内容请求遍历，我们表明，PSNE总是存在的，可以在多项式时间。此外，我们可以通过适当地选择请求转发路径来避免混合请求循环。然后，我们表明，如果我们允许任意的内容请求模式，则由无政府状态无政府代价（PoA）捕获的纳什均衡的效率可以任意差，并且添加额外的缓存节点可以使PoA更糟，即，缓存悖论发生。然而，当缓存节点具有同质请求模式时，即使允许任意拓扑，PoA也是有界的。我们进一步分析了自私的缓存游戏的缓存节点有限的计算能力，并表明，在某些情况下，存在一个近似的PSNE有界的PoA的兴趣。仿真结果表明，增加网络中的缓存容量提高了纳什均衡的效率，而增加额外的缓存节点会降低纳什均衡的效率。
2020-12-28 cs.GT
Undetectable Selfish Mining
针对自私挖矿可被统计检测的批评，提出一种统计不可检测的自私挖矿变体，其孤块模式与高延迟诚实矿工世界相同，且对拥有38.2%算力的攻击者严格有利。
2024-02-04 cs.CR cs.DC cs.DS
Efficiency Loss in a Network Resource Allocation Game: The Case of Elastic Supply
我们考虑一个资源分配的问题，其中个人用户希望通过网络发送数据，以最大限度地提高他们的效用，并在每个链路上产生的成本取决于通过链路发送的总速率。众所周知，只要用户不预期他们的行为对价格的影响，简单的比例定价机制就可以使用户效用减去成本的总和（称为总盈余）最大化。继续以前的努力，量化自私行为在网络定价机制的影响，我们认为用户预期的可能性，他们的行为对链接价格的影响。在链路的边际成本函数为凸函数的假设下，我们建立了纳什均衡的存在性。我们发现，在纳什均衡的总盈余是不差的4*sqrt{2} - 5倍的最佳总盈余的一个因素，因此，效率损失时，用户是自私的不超过约34%。
2005-06-14 cs.GT
Adaptive Channel Allocation Spectrum Etiquette for Cognitive Radio Networks
在这项工作中，我们提出了一个博弈论的框架来分析分布式自适应信道分配的认知无线电的行为。我们定义了两个不同的目标函数的频谱共享游戏，分别捕获自私用户和合作用户的效用。基于合作用户的效用定义，我们表明，信道分配问题可以制定为一个潜在的游戏，从而收敛到一个确定性的信道分配纳什均衡点。或者，一个没有遗憾的学习实现提出了这两种情况下，它被证明具有类似的性能与潜在的游戏时，合作是强制执行的，但具有较高的变异性，在用户之间。无遗憾学习公式对于适应自私的用户特别有用。非协作学习游戏的优点是网络中信息交换的开销非常低。我们表明，合作为基础的频谱共享礼仪提高了整体网络性能的信息交换所需的开销增加的代价。
2006-02-07 cs.GT
Stackelberg Contention Games in Multiuser Networks
利用博弈论框架，可以将共享公共传输信道的自私用户之间的交互建模为非合作博弈。当自私用户在没有任何协调机制的情况下独立选择其传输概率时，纳什均衡通常导致网络崩溃。我们提出了一种方法，将非合作博弈转化为Stackelberg博弈。Stackelberg博弈的Stackelberg均衡可以克服原博弈纳什均衡的不足。一个特定类型的Stackelberg干预的构造表明，任何积极的回报与独立的传输概率可行的配置文件可以实现作为一个Stackelberg均衡的回报配置文件。我们讨论的标准来选择一个网络的操作点和信息的要求Stackelberg游戏。我们放松的要求，并检查放松对性能的影响。
2009-05-30 cs.GT cs.NI
Designing Incentive Schemes Based on Intervention: The Case of Perfect Monitoring
本文研究了一类基于干预的激励方案，其中存在一个干预装置，能够监控用户的行为，并采取影响用户收益的行动。我们考虑的情况下，完美的监控，干预设备可以立即观察到用户的行动没有错误。我们还假设存在所有用户和介入设备最喜欢和最不喜欢的介入设备的动作，而不管用户的动作。我们得出的分析结果与干预可实现的结果，并说明我们的结果与古诺模型的基础上的一个例子。
2010-12-08 cs.GT
Dynamic routing for social information sharing
如今，由于新兴的移动社交网络，移动用户紧密地相互连接，当他们在不同的路线上旅行并访问城市的不同区域时，他们可以在其中共享基于位置的信息。在我们的模型中，收集的信息将在所有用户的旅行中进行汇总，并作为公共产品公开提供。由于信息的重叠，总的有用内容量增加的多样性，由用户的路径选择，这是至关重要的，以激励自私的用户选择不同的路径，尽管潜在的较高的成本与他们的行程。本文将社会信息共享的好处与基本路径选择问题相结合，在基本路径选择问题中，单位数量的非原子自私用户通过在高成本路径和低成本路径之间进行选择来决定他们的行程，以弥补所有用户都选择探索单一路径的低效低内容均衡（低成本路径），我们提出并分析了两个新的激励机制，可以使用的社会网络应用程序，一个基于边支付，另一个基于限制选择低成本路径的用户访问内容。我们还获得了无政府状态的结果显示了在实现路径多样性和保持更大的用户参与之间的一些基本权衡，激励组合机制以进一步增加社会福利。我们的模型扩展了经典的动态路由的情况下，外部性所造成的不同路径的网络流量。
2016-08-11 cs.GT
Truthful Spectrum Auction for Efficient Anti-Jamming in Cognitive Radio Networks
在认知无线电网络中，一个重要的挑战是设计一个框架，在这个框架中，自私的次用户有义务真实地相互交互。此外，由于这些网络对干扰攻击的脆弱性，设计抗干扰防御机制也同样重要。%提供安全防御也是非常重要的。在本文中，我们提出了一个真实的机制，对干扰鲁棒性，动态随机认知无线电网络由几个自私的次要用户和一个恶意用户。在该模型中，每个次用户参与拍卖并希望使用未被干扰的频谱，恶意用户的目的是通过破坏通信链路来干扰信道。设计了次用户之间的真实拍卖机制。此外，零和游戏制定之间的次要用户和恶意用户的集合。这个联合问题，然后铸造作为一个随机的两级拍卖，其中第一个拍卖分配的空闲信道，然后第二个分配剩余的未分配的信道。我们还将此解决方案更改为可信分布式方案。仿真结果表明，分布式算法在不增加系统开销和复杂度的情况下，可以达到接近集中式算法的性能。
2016-11-26 cs.GT cs.IT cs.NI
The Price of Anarchy in Transportation Networks: Data-Driven Evaluation and Reduction Strategies
在智慧城市必须支持的众多功能中，交通在资源消耗、环境压力和市民挫折感方面占主导地位。我们研究了两种不同的路由策略下的交通网络，通常假设自私的用户为中心的路由策略和社会最优的系统为中心的。我们认为一个性能指标的效率-无政府状态的价格（PoA）-定义为自私的路由下的总旅行延迟成本的比率在社会最优路由下的相应数量。我们开发了一种数据驱动的方法来估计PoA，我们随后使用大量的实际交通数据从马萨诸塞州东部的道路网络进行案例研究。为了估计PoA，我们的方法从数据中学习交通网络的完整模型，包括起点-目的地需求和用户偏好。我们利用这个模型，提出可能的策略，以减少PoA和提高效率。
2018-01-04 cs.GT math.OC
Self-Organizing Flows in Social Networks
社交网络为用户提供了获取信息的新手段，基本上依赖于“社交过滤”，即通过社交联系传播和过滤信息。在这些网络中流动的数据量之大，再加上每个用户的注意力预算有限，很难确保社交过滤为感兴趣的用户带来相关内容。我们在这篇论文中的动机是衡量在何种程度上的社会网络的自组织结果在有效的社会过滤。为此，我们引入流游戏，一个简单的抽象模型网络的形成下自私的用户动态，具有用户特定的利益和预算的注意力。在同质用户利益的背景下，我们表明，自私的动态收敛到一个稳定的网络结构（即纯纳什均衡）与接近最优的信息传播。相反，我们表明，对于更现实的情况下，不同的利益，融合，如果发生，可能会导致信息传播，可以任意低效，捕捉到一个无限的“无政府状态无政府代价“。然而，当用户的兴趣表现出特定的结构，由一个度量空间与低倍维捕获的情况有所不同。在这种情况下，自然的自主动态收敛到一个稳定的配置。此外，用户在相应的传播中获得他们感兴趣的所有信息，只要他们的注意力预算在他们的兴趣集的大小上是对数的。
2015-02-28 cs.GT cs.NI cs.SI
To Analyze and Regulate Human-in-the-loop Learning for Congestion Games
Singapore University of Technology and Design（新加坡科技设计大学）
本研究针对拥塞博弈中短视路由策略的效率损失问题，提出选择性信息披露机制，将无政府状态价格降至2以下，并扩展至多中间节点线性路径图，为交通路由调控提供新方案。
2025-01-14 cs.AI cs.GT
To Optimize Human-in-the-loop Learning in Repeated Routing Games
针对重复路由博弈中非短视用户的人机闭环学习问题，提出差异化用户概率推荐（UPR）机制，通过随机化路径推荐将系统效率损失PoA从无穷大降至接近最优且不可进一步降低。
2024-11-15 cs.GT
Pricing and Intervention in Slotted-Aloha: Technical Report
在许多无线通信网络中，公共信道由多个用户共享，这些用户必须竞争以获得对该信道的接入，自私的和策略性的用户对网络的操作通常导致信道资源的过度使用和显著的低效率。因此，需要激励机制来克服非合作均衡的低效率。在这项工作中，我们考虑一个slotted-Aloha随机接入协议和两个激励方案：定价和干预。我们提供了一些标准的协议的设计者之间选择一个方案，并根据系统参数为选定的方案设计最佳的政策。我们的研究结果表明，干预可以实现最大的效率，在完美的监测方案。相反，在不完善的监测情况下，系统的性能取决于不同实体所持有的信息，并且在某些情况下，存在用户数量的阈值，使得对于低于阈值的用户数量，干预优于定价，而对于高于阈值的用户数量，定价优于干预。
2012-11-15 cs.GT cs.NI
Uncertainty in Multi-Commodity Routing Networks: When does it help?
我们研究了一个多商品自私路由博弈中的均衡行为，其中有许多类型的不确定用户，每个用户高估或低估他们的拥塞成本的乘法因子。令人惊讶的是，我们发现，在不同的方向上的不确定性有定性不同的影响均衡。也就是说，与通常认为不确定性会增加效率低下的观点相反，当用户高估其成本时，网络拥塞实际上会减少。另一方面，对成本的低估导致拥堵加剧。我们将这些结果应用于城市交通网络，其中司机对拥堵成本有不同的估计。在旨在解决拥堵的动态定价政策，我们的研究结果表明，用户对这些价格的看法可以显着影响政策的有效性，和“谨慎面对不确定性”导致有利的网络条件。
2018-01-11 cs.GT
LLM Detection as an Intervention: Downstream Impact under Strategic User Behavior
Stanford University（斯坦福大学）；University of Pennsylvania（宾夕法尼亚大学）；Cornell University（康奈尔大学）
研究LLM检测对下游指标的影响，开发程式化模型捕捉用户策略行为。发现不完善的检测器会扭曲LLM使用及输出质量，导致用户增加使用量且输出质量可能降低，还呈现“先升后降”检测模式，揭示了检测干预的失效模式。
2026-07-22 cs.AI cs.GT
Social Profit Optimization with Demand Response Management in Electricity Market: A Multi-timescale Leader-following Approach
在电力市场中，市场参与者为获取自身最大利润而采取“自私”策略的现象十分普遍，这可能会造成社会利益的损失，影响社会的长期可持续发展。针对这一问题，本文将讨论如何通过战略需求响应（DR）管理来提高社会效益。具体而言，我们探讨了两种相互作用机制在市场上：纳什均衡（NE）和斯塔克伯格均衡（SE）之间的公用事业公司（UC）和用户UC的互动，分别。在用户侧，每个用户确定最优的能量购买策略，以最大化自己的利润。在UC方面，考虑了政府UC（g-UC），其目的是优化市场的社会利润。与此同时，正常的UC玩游戏，以最大限度地提高自己的利润。其结果是，一个基本的领导者以下的问题之间的UC制定下的独立系统运营商（ISO）的协调。此外，通过使用我们提出的需求函数改进（DFA）策略，制定了多时间尺度的领导者跟随问题。在这种情况下，可以在不改变普通用户契约的“自私本能”的前提下实现市场效率的最大化。此外，通过考虑用户合约的局部约束，提出了两种基于投影的用户合约定价算法，该算法能够为所得到的非凸社会利润优化问题提供近似最优解.在多UC多用户市场模型中引入无政府状态价格的概念，仿真验证了算法的可行性。
2022-05-28 cs.GT cs.SY eess.SY
Quid Pro Quo: A Mechanism for Fair Collaboration in Networked Systems
协作可以被理解为由用户组执行协调的任务（在最一般的意义上），用户组为了实现共同的目标而协作。协作是许多通信系统正确运行的基本假设和要求。以去中心化的方式创建协作系统的主要挑战是处理这样一个事实，即用户可能会以自私的方式行事，试图获得任务的好处，但不参与其执行。在这种情况下，博弈论一直是工具的模型协作系统和任务分配问题，并设计机制的最佳分配任务。在本文中，我们修改了经典的假设，并提出了一个新的方法来解决这个问题。首先，我们建立了一个系统模型的基础上异构节点（用户，球员），并提出了一个基本的分布式机制，以便当一个新的任务出现时，它被分配到最合适的节点。补偿执行任务的节点的经典技术是使用支付（在大多数网络中很难或不可能实现）。相反，我们提出了一个分布式的机制，最佳分配的任务没有付款。我们证明了这种机制是强大的事件中存在的独立的自私或理性有限的球员。此外，我们的模型基于非常弱的假设，这使得所提出的机制易于在网络系统中实现（例如，互联网）。
2012-07-25 cs.DC cs.GT cs.NI
Designing Information Revelation and Intervention with an Application to Flow Control
在许多熟悉的情况下，管理者试图设计一个用户共享资源的系统，但结果取决于用户持有的信息和采取的行动。如果可以沟通，管理员可以要求用户报告他们的私人信息，然后使用这些信息指导他们应该采取什么行动。如果用户是顺从的，这就把管理者的优化问题简化为一个经过充分研究的最优控制问题。然而，如果用户是自私的，不服从，问题就复杂得多：当被要求报告他们的私人信息时，用户可能会撒谎;当收到指示时，用户可能会不服从。在这里，我们要问的是，管理者是否能够设计一个系统来绕过这两个难题。要做到这一点，管理者必须为用户提供激励，让他们如实报告并遵守指示，尽管用户是自私的。对于一类在通信网络中包含许多资源分配博弈的环境，我们为管理者设计一个有效的系统提供了工具。除了报告和建议之外，我们采用的设计还允许管理员在用户采取行动后干预系统。在一个抽象的环境中，我们找到了管理者可以实现与用户兼容时相同的结果的条件，以及不符合的条件。然后，我们应用我们的框架和结果来设计一个流量控制管理系统。
2012-07-17 cs.GT cs.IT cs.MA
Designing Incentive Schemes Based on Intervention: The Case of Imperfect Monitoring
University of California, Los Angeles（加州大学洛杉矶分校）
针对不完全监测下的自利用户合作问题，提出一种基于干预的激励方案，通过优化干预规则和测试周期长度来平衡信号质量与合作激励。
2010-12-08 cs.GT cs.SY eess.SY
Routing for Traffic Networks with Mixed Autonomy
University of California, Santa Barbara（加州大学圣塔芭芭拉分校）；Georgia Institute of Technology（佐治亚理工学院）
本文提出了一种宏观模型，研究人类驾驶与自动驾驶车辆共享网络的路由问题，分析自动驾驶车辆编队的影响，通过建立道路容量模型并定义道路延迟函数，界定了价格厌恶（PoA）和双标准指标，发现其依赖于多项式次数和交通不对称性程度。
2018-09-05 cs.GT cs.SY eess.SY
A Data-driven Pricing Scheme for Optimal Routing through Artificial Currencies
Eindhoven University of Technology（埃因霍温理工大学）
本文提出一种数据驱动的强化学习定价方案，通过人工货币在重复博弈出行场景中自动学习最优收费策略，实现用户流量与系统最优对齐，显著降低社会成本并兼顾公平性。
2023-05-25 cs.GT cs.LG cs.SY
Duplicity Games for Deception Design with an Application to Insider Threat Mitigation
最近发生的Colonial Pipeline勒索软件攻击和SolarWinds黑客攻击等事件表明，传统的防御技术已不足以阻止日益复杂的对手。主动防御和欺骗性防御是一种新兴的方法，用于防御零日攻击和高级攻击。这项工作开发了一个新的博弈论框架称为双重游戏设计欺骗机制，包括一个发电机，一个激励调制器，和一个信任操纵器，称为GMM机制。我们制定了一个数学规划问题来计算最佳的GMM机制，量化可执行的安全策略的上限，并表征条件对用户的可识别性和可识别性的网络属性和用户管理。我们开发了一个分离的原则，从GMM机制和等效原理，把发生器和机械手的联合设计到机械手的单一设计的调制器的设计。一个案例研究的动态蜜罐配置，以减轻内部威胁。数值实验证实了最优GMM机制可以从自私和敌对的内部人员中引发期望的行为，从而提高内部网络的安全态势。特别是，适当的调制器可以减少球员之间的\textcolor{black}{incentive misalignment}，实现自私的内线和防守者的双赢局面。同时，我们观察到，防御者总是受益于伪造的百分比时，最佳发电机。
2021-10-14 cs.CR cs.GT
