Incentive Design for Large Congestion Games: Publicness-Specific Bayes Correlated Wardrop Equilibrium (Extended Abstract)
在匿名拥塞博弈中，参与者（旅行者）的出行成本取决于他们对路线的选择，也取决于交通网络的状态，如事件，天气和道路工程。在这个扩展的抽象，我们考虑一个不完全信息的环境中，状态的实现是不可观察的旅行者。我们研究了一个规划者如何通过战略性地设计旅行者如何获得关于状态实现的信息来激励旅行者做出对她有利的行为。
2022-07-19 cs.GT
An Incentive Compatible, Efficient Market for Air Traffic Flow Management
我们提出了一个基于市场的方法来解决空中交通流量管理（ATFM）问题。我们市场上的货物是延误，买家是航空公司;后者向联邦航空局支付金钱，以购买每个航班所需的延误量。我们给出了这个市场的均衡的概念和LP的解决方案提供了一个均衡分配的航班着陆插槽以及着陆插槽的均衡价格。通过减少匹配，我们表明，这种平衡可以计算组合在强多项式时间。此外，存在一组特殊的均衡价格，它可以很容易地计算，这是相同的VCG解决方案，因此，市场是激励相容的优势战略。
2017-05-22 cs.GT
Games and Meta-Games: Pricing Rules for Combinatorial Mechanisms
在不具备完全激励相容性的情况下，如核心约束组合拍卖和不平衡组合交易所，我们可能希望设计尽可能激励相容的机制。本文通过将定价问题转化为中心与参与主体之间的元博弈，给出了近似激励相容性的一个新刻画。通过一组适当的简化，我们描述了这个游戏的平衡作为一个变分问题。我们用它来描述最优价格的空间，在限制情况下实现封闭形式的解决方案，在一般情况下实现数值确定的价格。我们提供理论激励这种方法，数值实验表明其应用。
2015-03-20 cs.GT
Fair Incentives for Early Arrival in 0-1 Cooperative Games
针对在线合作博弈中早期激励机制忽略单到达顺序公平性的问题，提出改进公平性定义，设计EVS机制最小化分配与沙普利值的距离，同时最大化贡献玩家的平等主义福利。
2025-11-14 cs.GT
Incentive and stability in the Rock-Paper-Scissors game: an experimental investigation
在一个两人的石头剪子布博弈中，如果我们设一个损失值为零，一个平局值为1，获胜的收益（激励a）为一个变量，这个博弈被称为广义的RPS博弈。广义RPS博弈是描述博弈动态的一个典型数学模型，广泛存在于教科书中。然而，这些游戏中的实际动作如何取决于激励从未有过定量报道。利用随机配对比赛和记录局部信息的7个不同激励的游戏数据，我们发现，无论是在社会层面还是在个体层面，实际的运动都随着激励的变化而不断变化。更有代表性的发现是：（1）在社会集体战略转移观中，随着系统稳定性的增加，前向转移向量场越来越向心：（2）在战略转移观的个体行为中，随着系统稳定性的增加，存在一个相变，相变点在标准RPS附近;（3）条件反应行为在受控激励的作用下发生结构性变化。总体而言，随着激励的增加，最佳反应行为增加，赢-留-输-转移（WSLS）行为减少。此外，赢、平和输的结果影响最佳反应行为和WSLS行为。作为最佳反应行为，赢留行为随着激励的增加而减少，输左行为随着激励的增加而增加。无论是WSLS行为，随着激励的增加，左移行为增加，右移行为减少。我们希望了解在几十个学习模型中，哪一个能够解释上述的经验观察。
2014-07-04 cs.GT physics.soc-ph
Evolution of Cooperation in an Incentive Based Business Game Environment
本文讨论了我们的调查合作的球员在网上商业环境的演变。我们解释了我们的设计的激励为基础的系统，其基础上的二进制声誉系统的奖励或惩罚的比例是一个函数的交易价值和球员过去的合作历史。我们比较了在我们的设置与非激励为基础的环境中的合作的演变，我们的研究结果表明，激励为基础的方法更适合于值得信赖的球员的演变。
2013-05-14 cs.CY cs.GT
A Repeated-Game Framework for Incentives in Decentralized Infrastructure Protocols
Volt Capital
该研究针对DePIN提出重复博弈激励框架，定义威慑比Γ，推导合规性序列激励相容条件，用于设计协议的质押、奖励、试用期及审计规则。
2026-08-14 cs.GT
Incentives to Invite Others to Form Larger Coalitions
我们研究了一个合作博弈的设置，大联盟可能会改变，因为最初的球员可以邀请更多的球员。我们专注于单调游戏，即，大联合政府中增加更多的参与者并没有坏处。我们将邀请关系建模为有向无环图。我们的目标是为这个新的合作游戏设置设计一个奖励分配机制，以便激励玩家邀请新玩家。在本文中，我们提出了加权权限Shapley值（灵感来自权限结构和加权Shapley值），以实现这一目标。我们的解决方案提供了第一次尝试，激励玩家邀请更多的球员，形成一个更大的联盟，通过他们的私人邀请在合作设置。
2021-12-31 cs.GT
Incentive Mechanisms based on Minority Game in Heterogeneous DTNs
在本文中，我们设计了一个异构的延迟容忍网络（DTNs）的激励机制。所提出的机制解决了这样的系统的核心问题：如何诱导DTN中继的协调以实现目标性能指标，例如，在网络资源方面的给定约束下，例如，活动节点数或能耗。此外，我们考虑到现实情况下，参与转发过程的成本随设备的技术或用户的习惯而变化。最后，该方案真正适用于DTN，因为它不需要端到端连接。在这种情况下，我们首先介绍利用少数者博弈的概念的基本协调机制。在这个博弈中，中继竞争是在人口少数和他们的效用定义结合奖励机制。奖励进而配置为控制，网络运营商通过该控制来控制DTN的期望操作点。为了这个目的，我们提供了一个完整的表征的异构DTNs的情况下，游戏的均衡。最后，基于随机近似的学习算法可证明地驱动系统的平衡解决方案，而不需要在中继节点或源节点处的完美状态信息，并且不使用端到端通信来实现奖励方案。我们提供了大量的数值结果来验证所提出的计划。
2013-04-10 cs.GT
Learning Parameterized Families of Games
几乎所有基于模拟的游戏都有影响互动激励的环境参数，但没有明确纳入游戏模型。为了理解这些参数对战略激励的影响，典型的博弈论分析包括选择一小部分代表性值，并为每个值构建和分析单独的博弈模型。我们介绍了一种新的技术来学习一个单一的模型，代表一个家庭的密切相关的游戏，不同的对称球员或其他有序的环境参数的数量。先前的工作训练了一个多头神经网络来输出混合策略偏差收益，这可以用来计算对称的$\varepsilon$ -纳什均衡。我们通过将环境参数转换为回归量的输入维度来扩展这项工作，使单个模型能够学习在参数空间中泛化的模式。对于连续和离散参数，我们的研究结果表明，这些广义模型优于现有的方法，实现更好的精度与少得多的数据。这种技术使得对参数空间的彻底分析更容易处理，并促进了捕捉参数和激励之间关系的分析。
2023-02-25 cs.GT
Game Theory in Social Media: A Stackelberg Model of Collaboration, Conflict, and Algorithmic Incentives
研究将社交媒体内容创作及创作者选择建模为斯塔克尔伯格博弈，平台算法作领导者设定规则，创作者作追随者选合作或冲突策略求收益最大化，证明算法权重变化决定创作者均衡行为。
2026-07-17 cs.GT
A Relaying Incentive Scheme in Multihop Cellular Networks Based on Coalitional Game with Externalities
协作多跳通信可以极大地提高网络吞吐量，但其他节点的数据包转发涉及中继的机会和能量成本。因此，成功实现多跳传输的先决条件之一是如何促进自私节点之间的合作。现有的研究主要采用货币刺激的方法。本文基于联盟博弈理论，提出了一种简单的、自实施的、无间接货币报酬的非对称（上行多跳、下行单跳）蜂窝网络转发激励方案，该方案包含两种补偿机制，即在中继联盟间根据组规模分配资源的全局激励机制和在中继联盟内的局部补偿分配机制.首先，在给定全局分配策略的情况下，提出了一种公平分配的估计方法，该方法包括利用Myerson值作为配分函数博弈的中继成本补偿，以启发局部分配规则的设计。其次，给出了联盟间和联盟内的中继培育方法，从内部稳定性、外部稳定性以及归纳核的角度检验了联盟结构的稳定性。理论分析和数值仿真结果表明，该方法可以为外环节点提供通信机会，扩大系统覆盖范围，同时也为内环和中环节点提供了足够的动力，使其在资源分配和节能方面进行中继以获取自身利益。
2008-12-03 cs.GT
A Game Theoretic Analysis of Incentives in Content Production and Sharing over Peer-to-Peer Networks
用户生成的内容可以使用对等（P2P）网络以低成本分发，但搭便车问题阻碍了P2P网络的利用。为了实现P2P网络的有效利用，我们调查的基本问题，激励内容的生产和共享，利用博弈论。我们建立了一个基本模型来分析非合作的结果，没有一个激励计划，然后使用不同的游戏配方从基本模型来检查五个激励计划：合作，支付，重复互动，干预，并强制充分共享。研究结果表明：1）合作节点共享所有产生的内容，而非合作节点在没有激励机制的情况下根本不共享; 2）合作机制允许节点消费比非合作结果更多的内容; 3）通过引入基于付费、重复交互或干预的激励机制，非合作节点之间可以实现合作结果; 4）强制完全共享对同伴的福利影响不明确。除了描述不同配方的解决方案，我们讨论了执行和信息的要求，以实现每个解决方案，旨在为协议设计者提供一个指导方针时，设计P2P网络的激励计划。
2010-01-23 cs.GT cs.NI
Extending the El Farol Bar Game with Partial Observability and Incentive Design
Ionian University（伊奥尼亚大学）
将酒吧建模为具有 AI 学习能力的战略参与者，引入部分可观测性和动态定价，研究有限理性代理与自适应机构之间的协同进化协调过程。
2026-06-03 cs.GT
A Game Theoretic Analysis of Validator Strategies in Ethereum 2.0
本文通过贝叶斯博弈模型分析以太坊 2.0 单 slot 中区块提议者与见证者的策略，证明其激励机制激励相容并存在贝叶斯纳什均衡和事前占优策略，从而验证了协议对验证者合作的促进作用。
2024-05-07 cs.GT
The Kullback-Leibler Divergence as a Lyapunov Function for Incentive Based Game Dynamics
已有研究表明，Kullback-Leibler发散是复制子方程在演化稳定状态（ESS）下的一个李雅普诺夫函数，本文将这一结果推广到更一般的一类博弈动力学.结果，给出了整类激励动力学的平衡点渐近稳定性的充分条件。以前已知的结果可以作为主要定理的推论。
2014-08-21 cs.GT cs.IT math.DS
Truth and Envy in Capacitated Allocation Games
我们研究的拍卖与附加估价代理商有一个限制，他们可能会收到的商品数量。我们将这种估值称为{ \em capacitated}，并寻求最大化社会福利的机制，同时激励相容，无嫉妒，个人理性，没有正转移。如果容量是无限的，那么顺序重复第二价格Vickrey拍卖满足这些要求。在1983年，伦纳德表明，对于单位容量，VCG与克拉克枢轴付款也羡慕免费。对于所有单位或所有无限的容量，该机制产生瓦尔拉斯定价（受容量约束）。在这里，我们考虑一般能力。对于同质的能力（所有的能力相等），我们表明，VCG与克拉克枢纽付款是嫉妒自由（VCG与克拉克枢纽付款总是激励兼容，个人理性，并没有积极的转移）。因此，不存在激励相容的瓦尔拉斯定价。对于异质的能力，我们表明，没有机制与所有4个属性，但至少在某些情况下，可以实现激励兼容性和嫉妒自由。
2011-02-28 cs.GT
Incentive Mechanism Design for Resource Management in Satellite Networks: A Comprehensive Survey
Phenikaa University（phenikaa大学）；University of Essex（埃塞克斯大学）；University of New South Wales（新南威尔士大学）；Harbin Institute of Technology (Shenzhen)（哈尔滨工业大学（深圳））；Zhejiang Gongshang University（浙江工商大学）；Nanyang Technological University（南洋理工大学）
本文综述了卫星网络中资源管理的激励机制设计，探讨了通信资源分配、计算卸载、隐私安全及协调等关键问题，并展望了基于学习的机制设计未来方向。
2026-01-07 cs.GT cs.NI
Mechanism Design for Demand Response Programs with financial and non-monetary (social) Incentives
大多数采用非强制性政策的需求管理办法都假定用户充分合作，但鉴于用户的信念、需要和偏好，情况可能并非如此。在本文中，我们提出了一个机制，包括激励和没有钱的需求管理。该机制是通过仿真验证，建模的消费者作为一个有限的多智能体系统的演变，直到一个稳态，和社会激励扩散使用意见动力学。
2017-10-27 cs.GT physics.soc-ph
A Synergy of Institutional Incentives and Networked Structures in Evolutionary Game Dynamics of Multi-agent Systems
理解亲社会行为的出现（例如，合作和信任）是许多学科中的重要问题。网络结构和体制激励措施（例如，惩罚反社会代理人）被认为会促进亲社会行为，当单独行动时，一次存在一种机制。在这里，我们研究这两种机制之间的相互作用，看看他们是独立的，干扰或协同。使用进化博弈论，我们表明，惩罚反社会代理和定期的网络结构，不仅促进亲社会行为之间的代理玩信任游戏，但他们也相互作用，导致干扰或协同作用，这取决于游戏参数。协同作用出现在一个更广泛的参数比干扰。在这一领域，激励措施和网络结构的结合提高了激励措施的效率，以比单独激励措施更低的成本产生亲社会行为。这对促进多智能体系统中的亲社会行为具有重要意义。
2022-03-27 cs.GT cs.MA physics.soc-ph
From Individual to Shared Ownership: A Coalitional Game Approach to Sustainable Co-investment
SAMOVAR, Télécom SudParis, Institut Polytechnique de Paris（巴黎理工学院，南方电信学院，SAMOVAR）
本文提出合作博弈框架，将异构运营商联合投资公共基础设施的问题建模为可转移效用合作博弈，重构为线性生产博弈实现稳定剩余分配，并结合数据中心运营商共享可再生能源基础设施的案例验证。
2026-07-30 cs.GT
Learning equilibria with personalized incentives in a class of nonmonotone games
University of Oxford（牛津大学）；ENSTA Paris（巴黎高等先进技术学院）；Institut Polytechnique de Paris（巴黎理工学院）
我们考虑二次，非单调的广义纳什均衡问题与对称相互作用的代理。虽然这类游戏是已知的承认一个势函数，它的形式化的表达可以在现实世界中的一些应用程序中不可用。出于这个原因，我们提出了一个两层的纳什均衡寻求计划，其中一个中央协调员利用嘈杂的反馈代理设计个性化的激励措施。通过利用这些激励，代理计算扩展博弈的解，然后将反馈措施返回给协调员。我们表明，我们的算法返回一个平衡，如果协调员被赋予标准的学习策略，并证实了我们的结果的一个数值实例的一个亚单调游戏。
2022-03-30 cs.GT cs.LG cs.MA
Incentive Mechanisms for Federated Learning: From Economic and Game Theoretic Perspective
Nanjing University of Aeronautics and Astronautics（南京航空航天大学）；PHENIKAA University（维新大学）；Nanyang Technological University（南洋理工大学）
联邦学习（FL）在训练大规模机器学习（ML）模型而不暴露所有者的原始数据方面表现出巨大的潜力。在FL中，数据所有者可以基于本地数据训练ML模型，并且只将模型更新而不是原始数据发送给模型所有者进行聚合。为了提高模型精度和训练完成时间方面的学习性能，招募足够的参与者至关重要。同时，数据所有者是理性的，可能不愿意参与协作学习过程中，由于资源消耗。为了解决这些问题，最近提出了各种工作，以激励数据所有者贡献他们的资源。在本文中，我们提供了一个全面的审查，在文献中提出的经济和博弈论的方法来设计各种方案，刺激数据所有者参与外语培训过程。特别是，我们首先介绍了FL的基本原理和背景，经济学理论常用的激励机制设计。最后，对物流企业激励机制设计中存在的问题和未来的研究方向进行了展望。
2021-11-20 cs.GT cs.LG
Evolution of Coordination Through Institutional Incentives: An Evolutionary Game Theory Approach
本研究通过演化博弈论模型，探讨在预承诺框架下如何战略分配有限的制度激励预算（奖励或惩罚）以促进协调，发现奖励机制优于惩罚机制，且资源在促进参与与确保合规间的适当分配能实现最优协调成果，为新技术推广提供制度设计洞见。
2025-09-12 cs.CY cs.GT
Incentive Mechanism Design for Heterogeneous Peer-to-Peer Networks: A Stackelberg Game Approach
对等网络（P2P）系统具有高扩展性、高视频流质量和低带宽要求，已经成为在互联网上交换文件和传送多媒体内容的流行方式。然而，目前的P2P系统遭受“搭便车”，由于节点的自私性质。在本文中，我们提出了一个基于信用的激励机制，以鼓励对等点相互合作，在一个异构的网络，由有线和无线对等点。该机制通过有偏的资源分配为具有不同信用的节点提供差异化服务。一个Stackelberg游戏制定，以获得最优的定价和购买策略，这可以共同最大化的收入的上传者和下载者的效用。特别地，在设计Stackelberg博弈的效用函数时，考虑了节点的异质性和自私性。实验结果表明，所提出的资源分配方案能够有效地为节点提供服务差异化，激励节点为P2P流媒体系统做出贡献.
2014-07-24 cs.GT cs.NI
A Stackelberg Game Approach Towards Socially-Aware Incentive Mechanisms for Mobile Crowdsensing (Online report)
移动人群传感已显示出通过将传感任务分配给无处不在的移动用户来解决大规模数据传感问题的巨大潜力。移动用户如果能够获得满意的奖励，则将参与众测平台。在本文中，为了有效和高效地招募足够数量的移动用户，即，参与者，我们研究了一个最佳的激励机制的众感服务提供商。我们采用两阶段的Stackelberg博弈分析的移动用户的参与水平和最优的激励机制的众测服务提供商使用逆向归纳法。为了激励参与者，通过考虑潜在的移动社交领域的社会网络效应来设计激励。例如，在基于众测的道路交通信息共享应用中，如果更多的用户加入并共享他们的道路信息，则用户可以获得更好且准确的交通报告。我们推导了歧视性激励和统一激励机制的解析表达式。为了适应实际场景，我们进一步制定了贝叶斯Stackelberg游戏与不完全信息分析之间的互动crowdsensing服务提供商和移动用户，其中的社会结构信息（社会网络效应）是不确定的。通过识别移动用户的最佳响应策略，验证了贝叶斯Stackelberg均衡的存在性和唯一性。数值结果证实了这样一个事实，即网络效应极大地刺激更高的移动参与水平和更大的收入的众测服务提供商。此外，社会结构信息有助于众测服务提供商实现更大的收益。
2018-10-31 cs.GT cs.NI
Inducing Social Optimality in Games via Adaptive Incentive Design
社会规划者如何自适应地激励那些在战略环境中学习的自私代理人，以诱导长期的社会最优结果？我们提出了一个两个时间尺度的学习动力学来回答这个问题，在原子和非原子游戏。在我们的学习动态中，玩家采用一类学习规则以更快的时间尺度更新他们的策略，而社会规划者以更慢的时间尺度更新激励机制。具体而言，激励机制的更新是基于每个参与者的外部性，外部性被评估为每个时间步中参与者的边际成本与社会边际成本之差。我们发现，我们的学习动力学的任何不动点对应的最优激励机制，使相应的纳什均衡也达到社会最优。我们还提供了充分的条件，学习动态收敛到一个固定点，使自适应激励机制最终诱导社会最优的结果。最后，我们证明了收敛的充分条件满足各种游戏，包括（i）原子网络二次聚合游戏，（ii）原子古诺竞争，和（iii）非原子网络路由游戏。
2022-04-12 cs.GT cs.SY econ.GN
The Uniform Distribution in Incentive Dynamics
均匀分布是博弈论中的一个重要反例，因为许多经典的博弈动力学已经被证明在某些情况下不会收敛到均衡。特别是没有一个典型的游戏动态收敛到均匀分布的形式，石头剪刀布的数量，一个代理人可以失去的是超过代理人可以赢得，尽管这一事实，这是唯一的纳什均衡。我将证明，某些激励动态是渐近稳定的均匀分布时，它是一个激励均衡。
2012-06-30 cs.GT cs.IT math.DS
Avoiding Unintended Consequences: How Incentives Aid Information Provisioning in Bayesian Congestion Games
当用户缺乏各种系统参数的具体知识时，他们的不确定性可能导致他们在决策中做出不期望的偏差。为了缓解这种情况，知情的系统操作员可以选择向不知情的用户发送信息，希望说服他们采取更优选的行动。在这项工作中，我们研究公共和真实的信号机制的背景下，贝叶斯拥塞游戏的并行网络。我们提供的信号政策可以提供与不同时使用的货币激励的可能的好处的界限。我们发现，虽然透露信息可以降低系统成本，在某些情况下，它也可以是有害的，并导致更差的性能比没有信令。然而，通过利用信号和激励机制，系统运营商可以保证披露信息不会恶化性能，同时提供类似的改进机会。这些发现出现在封闭的形式界限，我们得到的好处信号政策可以提供。我们提供了一个数值例子，说明了这种现象，揭示更多的信息可以降低性能时，不使用激励措施，提高性能时，使用激励措施。
2023-03-30 cs.GT cs.SY eess.SY
Incentives, Equilibria, and the Limits of Healthcare AI: A Game-Theoretic Perspective
Cambridge Centre for AI in Medicine, University of Cambridge, UK（剑桥大学医学人工智能中心）；Magdalene College, University of Cambridge, UK（剑桥大学玛格丽特学院）
本文通过住院容量管理的协调问题，描述三种AI部署形式，并分析其对系统行为的影响，指出只有改变激励结构的干预才能改变稳定均衡，为医疗AI的采购、治理和评估提供实践启示。
2026-05-31 cs.AI cs.GT
Analyzing Incentives and Fairness in Ordered Weighted Average for Facility Location Games
本文研究了设施定位博弈中基于距离单峰偏好的有序加权平均机制，分别给出了其参数实现防策略性、非显而易见的可操纵性、个人公平份额和比例公平的充分必要条件。
2024-10-15 cs.GT cs.MA econ.TH
A Composable Game-Theoretic Framework for Blockchains
TU Wien（维也纳工业大学）
本文提出首个区块链协议的可组合博弈论框架，通过跨层博弈和跨应用组合抽象，分析激励兼容性并揭示新的安全漏洞。
2026-04-07 cs.CE cs.GT
Optimal Energy-Aware Service Management in Future Networks with a Gamified Incentives Mechanism
Athens University of Economics and Business（雅典大学经济与商业学院）
本文提出一种基于游戏化激励机制的未来网络能耗服务管理方法，通过优化激励参数和博弈策略，实现节能与用户体验的平衡。
2026-01-29 cs.ET cs.GT
SoK: Tools for Game Theoretic Models of Security for Cryptocurrencies
近年来，加密货币引起了学术界和工业界的广泛关注。加密货币的一个有趣方面是它们在协议层面明确考虑激励措施。了解如何将其纳入用于设计加密货币的模型中已经激发了大量的工作，但仍然存在许多开放的问题，目前的系统很少能很好地处理与激励相关的问题。这个问题的出现是由于密码学和分布式系统安全之间的差距，它处理传统的安全问题，忽略了明确的考虑激励，和博弈论，最好的处理涉及激励的情况。有了这项工作，我们的目标是提供一个系统化的工作，涉及到这个问题，考虑论文，将博弈论与密码学或分布式系统，并讨论它们如何可以相关。这给出了可用工具的概述，我们在已经提出或实施的现有基于区块链的系统的背景下，研究了它们在实践中的（潜在）用途。
2020-02-21 cs.CR cs.GT
Connected Trading Cycles
针对住房市场等单边匹配中邀请激励与传统稳定性、最优性不可兼得的问题，本文提出弱化的稳定性和最优性概念，设计连通交易环等机制，首次实现激励相容性下的最佳稳定性与最优性。
2025-02-14 cs.GT
Game Theoretic Application to Intersection Management: A Literature Review
本文综述了博弈论在交叉口管理中的应用，梳理了不同智能与连接水平下的相关研究，总结了博弈论基本要素、模型与解决方案，并讨论了局限性与未来机遇。
2023-11-21 cs.GT
An Incentive-Compatible Smart Contract for Decentralized Commerce
提出一种区块链智能合约作为托管，允许互不信任方交易非数字商品，通过博弈论证明在仲裁者偏向诚实方时诚实策略安全，并推广至多方交易以摊销费用。
2020-08-24 cs.GT
Caching Incentive Design in Wireless D2D Networks: A Stackelberg Game Approach
无线设备到设备（D2D）网络中的高速缓存可以用于在高峰时间期间卸载数据业务。然而，由于用户终端（UT）的异构偏好和自私的性质，激励机制的设计是具有挑战性的。在本文中，我们提出了一种激励机制，其中基站（BS）奖励那些使用D2D通信与他人共享内容的UT。我们研究了BS的成本最小化问题和每个UT的效用最大化问题。特别地，BS确定奖励策略以最小化其总成本，而每个UT旨在通过选择其缓存策略来最大化其效用。我们制定的UT之间的冲突和BS和UT之间的紧张局势作为一个Stackelberg游戏。我们证明了平衡点的存在性，并提出了一个迭代梯度算法（IGA），以获得Stackelberg均衡。进行了大量的模拟，以评估所提出的缓存方案的性能和比较绘制与几个基线缓存方案没有激励。数值结果表明，我们的激励机制下的缓存方案优于其他方案的BS服务成本和效用的UT。
2016-03-01 cs.GT cs.IT cs.NI
Oceanic Games: Centralization Risks and Incentives in Blockchain Mining
为了参与无权限区块链的分布式共识，潜在的节点-或矿工-提供指定的昂贵资源的证明。然而，与预期的去中心化相反，目前关于区块链采矿的数据显示，这些资源越来越集中在少数几个主要实体中，通常是矿池。为了研究这种情况下的战略考虑，我们采用了米尔诺和沙普利（Milnor and Shapley，1978）的海洋游戏概念。海洋游戏已经被用来分析公司环境中的决策，其中有少数占主导地位的参与者（股东）和大量的个人无关紧要的参与者，海洋。与标准均衡模型不同，它们侧重于衡量给定资源分配中每个实体和每单位资源的价值（或权力）。这些价值观被视为联盟形成、合并和资源收购的战略组成部分。考虑到这些与区块链治理和长期可持续性相关的问题，我们将海洋游戏应用于区块链采矿，并通过示例说明定义的概念。现有结果的应用揭示了个体采矿者合并以增加其资源价值的动机。这为所观察到的采矿权的集中和集中提供了另一种视角。除了数值模拟之外，我们还使用该模型来识别与未来加密货币设计相关的问题，并制定前瞻性的研究问题。
2021-07-18 cs.CR cs.GT
Incentive compatibility in sender-receiver stopping games
我们引入了一个发送者-接收者停止博弈的模型，在这个模型中，世界的状态在整个博弈中遵循一个iid--过程。在每个周期，发送者观察当前状态，并向接收者发送消息，建议停止或继续。接收者只看到消息而看不到状态，决定要么停止游戏，要么继续游戏到下一个阶段。每个参与者的收益是接收者退出时状态的函数，状态越高，收益越大。博弈的视界可以是有限的，也可以是无限的。我们证明了存在性和唯一性的反应（即非咿呀学语）完美贝叶斯均衡（PBE）在温和的条件下的游戏原语的情况下，玩家有足够的耐心。响应PBE有一个非常简单的结构，它建立在识别一个易于实现和计算类的阈值策略的发送者。在这些阈值策略的帮助下，我们推导出描述这种PBE的简单表达式。事实证明，在这种PBE中，接收者顺从地遵循发送者的建议。因此，令人惊讶的是，只有发送者起着决定性的作用，无论接收者的收益函数如何，发送者总是为自己获得最好的收益。
2020-04-04 cs.GT econ.TH
Adaptive Incentive Design with Learning Agents
提出一种不依赖具体学习动态的自适应激励机制，通过双时间尺度更新激励以学习最优策略，确保 Nash 均衡与社会最优一致，并证明了其在原子和非原子博弈中的收敛性。
2025-03-01 cs.GT cs.MA cs.SY
Rational Miner Behaviour, Protocol Stability, and Time Preference: An Austrian and Game-Theoretic Analysis of Bitcoin's Incentive Environment
本文结合奥地利资本理论与重复博弈论，分析区块链中矿工的战略行为，指出协议规则可变性会提高时间偏好并破坏合作均衡，论证了协议不可变性作为制度锚对恢复战略一致性与网络可持续均衡的必要性。
2025-06-26 cs.CR cs.GT cs.NI
Model-free Resilient Controller Design based on Incentive Feedback Stackelberg Game and Q-learning
本文针对工业信息物理系统中控制器被智能攻击者破坏的问题，基于激励反馈Stackelberg博弈设计弹性领导者控制器，并提出无需系统动力学的Q学习ADP在线求解算法，证明其收敛性。
2024-03-13 cs.GT cs.SY eess.SY
Incentives for Early Arrival in Cost Sharing
本文研究在线成本分摊中同时满足早到激励与 Shapley 公平的机制，提出 SFS-CS 及 GSFS-CS，并证明其适用于所有单调成本函数。
2024-10-24 cs.GT
Analyzing Incentives for Protocol Compliance in Complex Domains: A Case Study of Introduction-Based Routing
对遵守网络协议的动机的正式分析常常诉诸博弈论模型和概念。博弈论分析在网络安全中的应用通常仅限于高度程式化的模型，在简化的环境中可以对关键战略变量进行易于处理的研究。我们提出了一个基于模拟的方法来博弈论分析协议的遵守情况下，大量的代理和大的政策空间。我们定义了一个一般的程序，系统地探索结构化的政策空间，明确地解决定性分类的均衡行为，遵守或不遵守。通过一个广泛的案例研究，分析合规的激励措施，介绍为基础的路由的技术进行说明和练习。我们发现，遵守协议的好处是特别强大的节点受到攻击，并在平衡，而不是普遍的整体合规性水平，是足以支持所需的安全目标的协议。
2013-06-03 cs.CR cs.GT
Bargaining Mechanisms for One-Way Games
我们引入单向游戏，这是一个由大规模电力恢复，人道主义物流和综合供应链中的应用所激励的框架。这类博弈的显著特点是，某个参与者的收益只取决于她自己的策略，而不依赖于其他参与者的行动。我们表明，在单向博弈的均衡结果没有支付和社会成本的任何事后有效的机制，可以远离最优。我们还表明，这是不可能的设计一个贝叶斯-纳什激励相容的机制，单向游戏，是不平衡的，个人理性的，和有效的。为了解决这个负面的结果，我们提出了一个隐私保护机制，是激励兼容和不公平的平衡，满足事后个人理性的条件，并产生一个结果，这是比没有支付的均衡更有效率。该机制是基于一个单一的报价讨价还价，我们表明，一个随机的多提供扩展带来了没有额外的好处。
2015-07-25 cs.GT
Social Welfare in Battery Charging Games
该研究从博弈论视角分析家庭电池充电决策，提出斯塔克尔伯格市场模型，通过价格激励优化可再生能源利用，发现均衡存在性及社会福利受定价策略影响显著。
2025-08-08 cs.GT
Prediction Markets, Mechanism Design, and Cooperative Game Theory
预测市场的目的是从多个代理人那里获取信息，以预测未来事件（获得概率）。一个好的预测市场激励代理人如实地披露他们的信息;这种激励相容性的考虑通常在机制设计中进行研究。虽然预测市场和机制设计之间的这种关系在高层次上得到了很好的理解，但预测市场中使用的模型往往与机制设计中使用的模型有些不同。本文考虑了一个预测市场的模型，它更直接地适合于机制设计框架。我们认为在这个模型中的一些机制，都基于适当的评分规则。我们讨论这些机制的基本属性，如激励相容性。我们还绘制了这些机制和合作博弈论之间的联系。最后，我们推测如何根据这些想法建立一个实用的预测市场。
2012-05-09 cs.GT
Spectrum Leasing as an Incentive towards Uplink Macrocell and Femtocell Cooperation
作为现有通信基础设施的基础的毫微微蜂窝接入点的概念最近已经成为可以显著改善下一代无线网络的覆盖和性能的关键技术。在本文中，我们提出了一个框架下的宏蜂窝-毫微微蜂窝合作的封闭接入政策，其中毫微微蜂窝用户可以作为中继宏蜂窝用户。作为回报，每个协作宏小区用户授予毫微微小区用户其带宽的一部分。我们制定了一个联盟游戏与宏蜂窝和毫微微蜂窝用户的球员，这可以采取个人和分布式的决定是否合作或不合作，同时最大化的效用函数，捕捉合作收益，在吞吐量和延迟方面。我们表明，网络可以自组织成一个分区组成的不相交的联盟，构成递归核心的游戏代表一个关键的解决方案的概念，分区形式的联盟形成博弈。仿真结果表明，所提出的联盟形成算法产生了显着的增益，在每个宏小区用户的平均速率，达到239%，相对于非合作的情况下。此外，所提出的方法示出了一个改进的毫微微小区用户的速率高达21%相比，传统的封闭式访问策略。
2011-11-02 cs.GT
An Incentive Mechanism for Sustainable Blockchain Storage
区块链系统中的矿工正在遭受不断增加的存储成本，而这些成本通常没有得到用户交易费用的适当补偿。这降低了矿工参与的动机，并可能危及区块链的安全性。我们建议通过费用和等待税（FWT）机制来缓解区块链费用不足的问题，该机制明确考虑了系统中的两种负外部性。具体来说，我们将协议设计者，用户和矿工之间的交互建模为三阶段Stackelberg游戏。通过对博弈均衡的刻画，我们发现矿工在交易选择中忽略了负外部性，因为他们愿意接受不合理的费用交易。这导致了现有方案中存储费用不足的问题。此外，我们提出的最佳FWT机制可以激励用户支付足够的交易费用，以支付存储成本，并实现无约束的社会最优。数值结果表明，最优的FWT机制保证了足够的交易费用，并实现了平均社会福利提高了33.73%以上.此外，最佳FWT机制实现了最大的公平性指标，即使在异构存储成本矿工下也表现良好。
2021-08-22 cs.GT
A Study of Truck Platooning Incentives Using a Congestion Game
ACCESS Linnaeus Center, School of Electrical Engineering, KTH Royal Institute of Technology（ACCESS林奈斯中心，电气工程学院，皇家理工学院）
本文通过原子拥堵博弈模型研究交通流中车辆与卡车编队激励的相互作用，利用斯德哥尔摩交通数据验证模型假设，并通过仿真实验分析司机时间价值和编队率对纳什均衡的影响。
2014-01-21 cs.GT cs.SY eess.SY
Modeling conflicting incentives in engineering senior capstone projects: A multi-player game theory approach
University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）；Texas A&M University（德克萨斯农工大学）
本文提出一种多玩家博弈论框架，用于分析工程毕业设计中利益相关者之间的激励冲突及政策影响。
2026-01-15 cs.CY cs.GT
Mechanism Design in Large Games: Incentives and Privacy
我们研究了在不完全信息的情况下实现完全信息博弈均衡的问题，并使用“推荐机制”来解决这个问题。“推荐机制是一种没有强制执行结果或强迫参与的权力的机制，它只有权在自愿参与的基础上建议结果。我们发现，尽管有这些限制，推荐机制可以实现均衡的完全信息游戏的设置不完全信息的条件下，游戏是大的-即有大量的球员，和任何球员的行动影响任何其他的收益最多一个小数额。我们的结果来自于差分隐私的一个新的应用。我们表明，任何算法，计算一个完整的信息博弈的相关均衡，同时满足一个变种的差分隐私-我们称之为联合差分隐私-可以用作推荐机制，同时满足我们所需的激励性能。我们的主要技术成果是一个算法，用于计算一个大型游戏的相关均衡，同时满足联合差分隐私。虽然我们的推荐机制的设计，以满足博弈论的属性，我们的解决方案最终满足一个强大的隐私属性以及。没有一组玩家可以从机制的建议中了解到组外任何玩家的类型，即使这些玩家以任意的方式勾结。因此，我们的算法能够实现完全信息博弈的均衡，而不透露有关实现类型的信息。
2015-12-10 cs.CR cs.DS cs.GT
Design of Two-Level Incentive Mechanisms for Hierarchical Federated Learning
Nanjing University of Science and Technology（南京理工大学）；Hainan University（海南大学）；The Hong Kong Polytechnic University（香港理工大学）；East China Normal University（华东师范大学）；Shanghai Jiao Tong University（上海交通大学）
本文针对分层联邦学习设计两级激励机制，下层通过联盟形成博弈优化边缘关联与带宽分配，上层通过Stackelberg博弈优化边缘聚合次数与单位奖励，实验证明其性能优于基准方案。
2024-01-16 cs.DC cs.GT cs.LG
