Sharing Rewards in Cooperative Connectivity Games
我们考虑如何自私的代理可能会分享收入来自维持重要的网络服务器之间的连接。我们建立了一个网络模型,其中一个节点的故障可能会破坏其他节点之间的通信作为一个合作的游戏称为顶点连接游戏(CG)。在这个博弈中,每个智能体都拥有一个顶点,并控制所有进出该顶点的边。如果代理联盟完全连接图中的某个顶点子集(称为主顶点),则该联盟获胜。权力指数衡量代理人影响游戏结果的能力。我们表明,在我们的域中,这样的指数可以用来确定代理有权获得的收入的公平份额,并确定影响网络中通信可靠性的重要可能的故障点。我们表明,在一般的图,计算Shapley和Banzhaf功率指数是P-完全的,但建议一个多项式算法来计算它们在树上。我们还调查找到稳定的收益部门的收入在CG,捕获的核心,其松弛,ε-核心和最小的核心的博弈论解决方案。我们展示了一个多项式算法计算的核心CG,但表明,测试是否填补是在ε-核心是CONP完全的。最后,我们表明,对于树,它是可能的测试ε-核心插补在多项式时间。
2014-02-04 cs.GT
Game connectivity and adaptive dynamics in many-action games
University of Bristol(布里斯托大学);Heilbronn Institute for Mathematical Research(海尔布隆数学研究所);University of Oxford(牛津大学)
研究多动作博弈中连通性的典型结构,发现当动作数k很大时,连通博弈的比例趋于1-ζ_n,其中ζ_n>0为显式常数,且对于n≥3,ζ_n很小并随n迅速趋于0。
2026-06-02 cs.GT econ.TH math.CO
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
Gradient Dynamics in Linear Quadratic Network Games with Time-Varying Connectivity and Population Fluctuation
研究时变网络和种群波动下非合作智能体的重复线性二次博弈学习问题,提出基于梯度的学习算法,证明策略几乎必然收敛到期望网络的Nash均衡,并在大种群下以高概率成为阶段博弈的$ε$-Nash均衡。
2023-10-20 cs.GT cs.SY eess.SY
Connectivity and equilibrium in random games
我们研究了博弈交互图的结构如何影响纯纳什均衡的存在性。特别是,对于一个固定的相互作用图,我们感兴趣的是是否有纯纳什均衡时,随机效用表分配给球员。我们提供的条件下,可能存在的平衡和补充条件,使平衡的存在非常不可能的图的结构。我们的结果对许多确定性图有直接的影响,并推广了完全图上随机博弈的已知结果。特别是,我们的研究结果意味着,有界度图有纯纳什均衡的概率是指数小的图形的大小,并产生一个简单的算法,找到一个大的图形家庭的小不存在证书。然后证明了在任意强连通的n阶图中,若扩张为$(1+Ω(1))\log_2(n)$,则平衡点的个数的分布渐近地接近参数为1的泊松分布,即$n \to +\infty$ .
2012-11-12 cs.GT math.CO math.PR
Dynamic Resilient Network Games with Applications to Multi-Agent Consensus
基于博弈论方法,将网络系统中的网络安全问题转化为弹性图问题。网络系统的底层图的连通性被攻击者降低,攻击者移除了一些边,而防御者试图恢复它们。两个玩家都受到能量约束,因此他们的行动受到限制,不能连续执行。对于这个两阶段的游戏,这是反复播放随着时间的推移,我们的特征的最佳策略的攻击者和防御者的边缘连接和连接组件的图形的数量。弹性图游戏,然后应用到多智能体的共识问题。我们研究了边缘上的攻击和恢复如何影响共识过程。最后,我们也提供数值模拟来说明结果。
2020-07-07 cs.GT cs.SY eess.SY
How costly punishment, diversity, and density of connectivity influence cooperation in a biological network
对于进化理论家来说,什么样的机制能够促进人类社会的大规模合作,一直是一个悬而未决的难题。因此,这些机制如何在生物网络中运作仍然不是很清楚。本研究解决了这些问题的经验证据,基于代理的模型,旨在了解这些网络的相互作用。重复囚徒困境游戏旨在研究代价高昂的惩罚、多样性和连通性密度如何相互作用,从而影响生物网络中的合作。每场比赛有1000轮,由18名球员与他们的邻居组成。这项研究显示了三个重要的相互作用。(1)在代价高昂的惩罚中引入多样性,既有利于合作,也有利于背叛,但反之亦然。对多样性引入代价高昂的惩罚不利于背叛,但有利于合作。(2)代价高昂的惩罚,单独,不利于背叛,但降低平均收益。当没有施加代价高昂的惩罚时,降低连接密度Dc会增加平均收益。(3)生物多样性的协同作用和连接密度的降低有利于生物网络中的合作。此外,这项研究还表明,从实证研究结果的可能性,空间结构可能不利于合作,因为是广泛接受的概念,而是不利于在全球范围内的背叛。
2018-04-09 cs.GT q-bio.PE
Honeypot Allocation for Cyber Deception in Dynamic Tactical Networks: A Game Theoretic Approach
本文针对动态战术网络中蜜罐分配问题,提出一种考虑网络连通性变化的双人动态博弈模型,通过迭代算法求解纳什均衡策略,以最大化攻击者命中蜜罐概率并最小化欺骗与重配置成本,仿真验证了其增强网络安全性的有效性。
2023-09-18 cs.GT
Interdependent Network Formation Games
设计最佳的相互依存网络对于国家重要基础设施的稳健性和效率至关重要。在这里,我们建立了一个两个人的博弈模型,其中两个网络设计者选择最大化的全球连接独立。该框架通过使用迭代算法实现分散式网络设计。经过有限步后,该算法将收敛到一个纳什均衡,并产生网络的均衡拓扑。我们通过数值实验证实了我们的结果,并比较了纳什均衡解决方案与他们的团队解决方案对应。博弈法和团队法的实验结果为提高互依网络形成博弈的效率提供了设计指导。此外,所提出的游戏框架可以普遍适用于各种各样的应用,包括电力系统网络和国际航空运输网络。
2016-02-24 cs.GT cs.SI
Game-theoretic Network Centrality: A Review
博弈论中心性是一种灵活而复杂的方法来识别网络中最重要的节点。它建立在合作博弈论和网络理论的基础上。其核心思想是将节点视为合作博弈中的参与者,其中每个联盟的价值由某些图论性质决定。利用合作博弈论中的解决方案概念,可以衡量每个节点对网络价值的责任程度。关于这个主题的文献已经相当多了,并且分散在博弈论和计算机科学领域。我们回顾了主要的博弈论网络中心性的措施,从两个机构的文献,并将它们分为两类:那些更专注于节点的连接,和那些更专注于节点在组中实现的协同作用。我们提出并解释每个中心,重点是算法和复杂性。
2017-12-31 cs.AI cs.GT
A Matching Game for Data Trading in Operator-Supervised User-Provided Networks
在本文中,我们认为最近的蜂窝网络连接范例,被称为用户提供的网络(UPN),用户共享他们的连接,并作为其他用户的接入点。为了激励用户参与这个网络,我们允许用户交易他们的数据计划,并通过出售和购买彼此剩余的数据容量(上限)来获得一些利润。我们将数据交易的买方和卖方协会制定为匹配博弈。在这个游戏中,买家和卖家根据偏好函数来对彼此进行排名,这些偏好函数捕获买家的数据需求和QoS要求、卖家的可用数据和能源资源。我们发现,这些偏好是相互依赖的,并受到现有的网络范围内的匹配。因此,该博弈可以被归类为具有外部性的一对多匹配博弈。为了解决这个问题,提出了一个分布式算法,结合匹配理论和市场均衡的概念。该算法使玩家能够自组织成一个稳定的匹配和动态适应的价格数据的需求和供应。所得到的匹配的属性进行了讨论。此外,还确定了用户加入UPN的价格基准和运营商的收益。仿真结果表明,所提出的算法产生的平均效用每用户高达25%和50%,相对于随机匹配和最坏情况下的效用,分别提高。
2016-10-26 cs.GT cs.NI
Joint Security-vs-QoS Game Theoretical Optimization for Intrusion Response Mechanisms for Future Network Systems
网络连接使网络基础设施和资产暴露于攻击者可以利用的漏洞。保护网络资产免受攻击需要应用安全对策。然而,采用对抗措施会产生成本,例如金钱成本,以及准备和部署对抗措施的时间和精力。因此,入侵响应系统(IRS)应考虑安全和QoS成本时,动态选择的对策,以解决检测到的攻击。这促使我们制定一个联合安全与QoS优化问题,以选择最佳的对策在IRS。然后将问题转化为匹配博弈模型。考虑到货币成本和攻击覆盖的限制,我们首先推导出理论上的上限问题,然后提出稳定的匹配为基础的解决方案,以解决权衡。所提出的解决方案的性能,考虑不同的设置,验证了一系列的模拟。
2023-03-15 cs.CR cs.GT cs.NI
Aloha Games with Spatial Reuse
Aloha博弈研究一组非合作用户通过时隙Aloha协议共享一个信道进行传输的概率。本文将Aloha博弈扩展到空间再利用场景,研究了系统的均衡和性能。具体地说,利用不动点理论和序理论证明了存在一个最小不动点作为博弈的唯一纳什均衡(NE)和所有局中人的最优选择。用Krasovskii方法构造了一个李雅普诺夫函数,得到了检验NE稳定性的条件。仿真结果表明,所提出的理论适用于具有复杂网络拓扑结构的大规模分布式系统。最后通过仿真得到了网络连通性与可达总吞吐量之间的经验关系。
2013-06-29 cs.GT cs.IT math.IT
Dynamic Psychological Game Theory for Secure Internet of Battlefield Things (IoBT) Systems
提出了一种新的抗干扰机制来分析和增强对抗性战场物联网(IoBT)系统的安全性。特别是,这个问题被制定为一个士兵和攻击者之间的动态心理游戏。在这个游戏中,士兵试图通过在一定的时间内穿越战场来完成时间紧迫的任务,同时保持与IoBT网络的连接。另一方面,攻击者试图找到最佳机会来破坏IoBT网络并最大化士兵的IoBT传输链路的延迟。士兵和攻击者的心理行为被捕获使用心理博弈论的工具,其中士兵和攻击者的意图伤害对方被认为是在他们的效用。为了解决这一问题,提出了一种基于贝叶斯更新的学习算法,以找到一个类似于$ε$的心理自确认均衡。仿真结果表明,基于对攻击者心理策略和信念的无错误信念,士兵的物质收益比不考虑心理因素的传统动态博弈提高了15.11%.
2018-08-29 cs.GT
Stability of Multi-Agent Learning in Competitive Networks: Delaying the Onset of Chaos
Imperial College London(帝国理工学院)
该研究摒弃零和博弈假设,通过参数化网络博弈的统计方法分析竞争网络中Q-Learning动力学的收敛性,发现其稳定性仅依赖网络连通性而非智能体总数,且特定网络下增规模不会提升混沌行为概率。
2023-12-19 cs.AI cs.GT cs.MA
Learning in Time-Varying Monotone Network Games with Dynamic Populations
本文研究动态网络环境下多智能体投影梯度学习,证明所学策略几乎必然收敛到期望成本博弈的纳什均衡,并给出高概率近似纳什均衡性质及非渐近遗憾界。
2024-08-12 cs.GT cs.SY eess.SY
United We Fall: On the Nash Equilibria of Multiplex and Multilayer Network Games
针对现有网络博弈模型无法覆盖多网络交互、多行动维度场景的问题,本文提出多重与多层网络博弈新模型,分析组成网络特征值对纳什均衡性质的影响,揭示均衡脆弱性成因并给出干预方向。
2025-01-13 cs.GT cs.SY eess.SY
On the Base Station Selection and Base Station Sharing in Self-Configuring Networks
我们模拟了几个无线电设备的交互,旨在通过使用一组基站(BS)作为一个非合作的游戏,以获得无线连接。每个无线电设备的目标是在两种不同的情况下最大化其自身的频谱效率(SE):首先,我们让每个参与者使用唯一的BS(BS选择),其次,我们让他们同时使用多个BS(BS共享)。在这两种情况下,我们表明,由此产生的游戏是一个确切的潜在的游戏。我们发现BS选择博弈具有多个纳什均衡,而BS分享博弈具有唯一的纳什均衡。我们提供完全分散的算法,总是收敛到NE在这两个游戏。我们分析了BS选择情况下的无政府无政府代价和稳定代价。最后,我们观察到,根据发射机的数量,BS选择技术可能会提供更好的全球性能(网络频谱效率)比BS共享,这表明存在一个Braess型悖论。
2009-08-12 cs.GT
Mode Connectivity in Auction Design
Université Libre de Bruxelles(布鲁塞尔自由大学);Goethe-Universität Frankfurt(法兰克福大学);London School of Economics and Political Science(伦敦政治经济学院);Shanghai University of Finance and Economics(上海财经大学)
本文证明拍卖设计中的RochetNet及其广义版本满足模式连通性,即局部最优解由分段线性路径相连,路径上解的性能不劣于局部最优,首次在可微经济学中给出理论分析。
2024-07-17 cs.GT cs.LG cs.NE
Fast Algorithms for Game-Theoretic Centrality Measures
Warsaw University of Technology(华沙理工大学)
在这篇论文中,我们分析了博弈论中心性测度的计算性质。博弈论网络分析方法背后的关键思想是将节点视为合作博弈中的参与者,其中每个节点联盟的价值由某些图形属性确定。接下来,任何单个节点的中心性由所选择的博弈论解概念(特别是Shapley值)确定,其方式与合作博弈中玩家的收益相同。一方面,博弈论中心性度量的优点在于,节点不仅根据其个体角色进行排名,而且还根据它们对所有可能的节点子集所扮演的角色的贡献进行排名。另一方面,缺点是博弈论解决方案的概念通常在计算上具有挑战性。本文的主要贡献是,我们表明,各种各样的博弈论解决方案的概念,网络可以计算在多项式时间。我们的重点是基于Shapley值及其各种扩展的中心性,例如半值和联盟半值。证明了连通性对策中Shapley值的P-困难性,并给出了计算Shapley值的算法。最后,分析了局中人顺序对广义合作对策的计算性质的影响。我们提出了一种新的表示,这样的游戏,称为广义边际贡献网络,允许多项式计算的大小表示这类游戏的两个专用扩展的Shapley值。
2015-12-06 cs.AI cs.GT cs.SI
Coalition Games with Cooperative Transmission: A Cure for the Curse of Boundary Nodes in Selfish Packet-Forwarding Wireless Networks
在具有自私节点的无线分组转发网络中,应用重复博弈可以诱导节点之间相互转发数据包,从而提高网络性能。然而,这种网络边界上的节点不能从这种策略中受益,因为其他节点不依赖于它们。这个问题有时被称为{ \em边界节点的诅咒}。为了克服这个问题,提出了一种基于联盟博弈的方法,在该方法中,边界节点可以使用合作传输来帮助网络中间的骨干节点。作为回报,骨干节点愿意转发边界节点的分组。在这里,核心的概念被用来研究在这样的游戏中的联盟的稳定性。然后,三种类型的公平性进行了研究,即最小最大公平性的核仁,平均公平性的Shapley函数,并提出了一个新的市场公平性。市场公平性是一个新的公平性概念,它涉及多个骨干节点和多个边界节点之间的公平性。最后,一个协议的设计,使用重复游戏和联盟游戏。仿真结果显示了边界节点和骨干节点如何根据不同的公平性准则形成联盟。与纯重复博弈方案相比,该协议可使网络连通性提高约50%。
2008-05-28 cs.GT cs.IT math.IT
Strategic Coalitions in Networked Contest Games
本文研究网络化竞争博弈中的双边预算转移与联盟形成问题,刻画了互惠转移存在的网络条件,并证明联盟收益仅依赖图的温和连通性,同时展示了基于梯度动力学寻找理想联盟结构的方法。
2024-08-01 cs.GT cs.SY eess.SY
On the Existence of General Equilibrium in Finite Games and General Game Dynamics
代理人的激励的概念,导致一个非常一般的概念,一个有限的游戏的均衡。给出了这些平衡点存在的充分条件。已知的存在定理被证明是本文主要定理的推论。此外,还给出了对策在某些对称区域上平衡点存在的条件。从一般均衡的概念出发,导出了一般的博弈动力学族。这个家族包含了游戏动态的所有典型例子。证明了该系统的完全通用性。
2013-01-03 cs.GT math.DS
Convergence and Connectivity: Dynamics of Multi-Agent Q-Learning in Random Networks
本文研究了多智能体Q学习在随机网络中的收敛与连通性问题,通过分析Erdős-Rényi和Stochastic Block模型,探讨了智能体交互概率、探索率和收益矩阵对收敛条件的影响,并通过模拟验证了网络交互控制对收敛的重要性。
2026-02-10 cs.AI cs.GT cs.MA