Limited Lookahead in Imperfect-Information Games
IEOR Department(IEOR系);Columbia University(哥伦比亚大学);Carnegie Mellon University(卡内基梅隆大学);Strategy Robot, Inc.(Strategy Robot公司);Strategic Machine, Inc.(Strategic Machine公司);Optimized Markets, Inc.(Optimized Markets公司);New York City, NY, USA((城市地址,非机构));Pittsburgh, PA, USA((城市地址,非机构));Computer Science Department(计算机科学系)
在完全信息博弈中,有限前瞻已经被研究了几十年。我们发起了一个新的方向,通过两个同时偏离点:推广到信息博弈和博弈论的方法。我们研究的是面对一个前瞻性有限的对手时应该如何行动。我们研究这一点的对手,不同的基础上,他们的前瞻深度,根据他们是否也有不完美的信息,并根据他们如何打破关系。我们的特点的硬度找到一个纳什均衡或最佳的承诺策略,为任何一个球员,表明在这些变化的问题可以解决在多项式时间,而在其他PPAD难,NP难,或不可逼近。我们继续设计算法计算最佳承诺战略-当对手打破领带有利,根据一个固定的规则,或adversarially。然后,我们实验研究有限的前瞻的影响。有限前瞻的球员往往获得游戏的价值,如果她知道的期望值的节点在博弈树的一些均衡-但我们证明这是不够的。最后,我们研究了这些估计和不同的前瞻深度的噪声的影响。
2020-03-19 cs.AI cs.GT cs.MA
Robust Stackelberg Equilibria in Extensive-Form Games and Extension to Limited Lookahead
Carnegie Mellon University(卡内基梅隆大学)
Stackelberg均衡作为计算博弈论中的一个解决方案概念变得越来越重要,主要是受到安全设置等实际问题的启发。然而,在实践中,关于对手的模型通常存在不确定性。本文是,据我们所知,第一次调查Stackelberg均衡下的不确定性,在广泛形式的游戏,最广泛的游戏类之一。我们引入强大的Stackelberg均衡,其中的不确定性是关于对手的收益,以及对手有有限的前瞻性和不确定性是关于对手的节点评价函数。我们开发了一个新的混合整数规划的确定性有限前瞻设置。然后,我们扩展到强大的设置Stackelberg均衡无限和有限的前瞻下的对手。我们表明,对于对手的收益(或对手的节点评价的情况下,有限的前瞻性)的区间不确定性的特定情况下,鲁棒Stackelberg均衡可以计算与混合整数规划,是相同的渐近大小的确定性设置。
2017-11-21 cs.AI cs.GT cs.MA
Delay Games with WMSO+U Winning Conditions
延迟博弈是两个玩家的博弈,其中一个玩家可以延迟她的行动,以获得对对手行动的前瞻。我们考虑具有获胜条件的延迟对策,它用弱一元二阶逻辑表示,并带有无界量词,它能够表示(无)界性质。我们表明,它是可判定的延迟球员是否有一个获胜的策略,使用有界的前瞻性,并给出一个双指数上界的必要前瞻性。相比之下,我们表明,有界前瞻并不总是足以赢得这样的游戏。
2015-09-24 cs.FL cs.GT
The curse of rationality in sequential scheduling games
尽管算法博弈论的研究重点是可计算性问题,但博弈者有限的计算能力却很少受到关注。这项工作研究了不同水平的球员的计算能力(或“理性”)如何影响顺序调度游戏的结果。令人惊讶的是,我们的研究结果表明,较低水平的理性的球员可能会导致更好的均衡。更具体地说,我们刻画了两种不同的有限理性模型下的无政府状态(SPoA)的序列价格,即具有$k$前瞻性的玩家和头脑简单的玩家。玩家具有$k$ -前瞻的模型介于“完美理性”($k=n-1$)和“在线贪婪”($k=0$)之间。我们的研究结果表明,在$k$中,均衡的无效性(SPoA)增加了前瞻的程度:$\mathrm{SPoA} = O (k^2)$为两台机器,$\mathrm{SPoA} = O\left(2^k \min \{mk,n\}\right)$为$m$机器,其中$n$是玩家的数量。而且,当玩家头脑简单的时候,SPOA正是$m$,这与“在线贪婪”的表现不谋而合。
2020-09-09 cs.GT
Playing games in an uncertain world
传统的博弈论假设参与者都知道游戏规则。然而,在实践中,玩家通常不知道或仅具有关于他们正在玩的游戏的部分知识。他们也可能知道其他玩家对他们正在玩的游戏只有部分了解,他们可以尝试利用这一点。我们提出了一个新的数学公式,这样的游戏。我们使用Kripke语义,这是一种跟踪不同玩家对世界了解和不了解的方法。我们提出了这样的游戏的均衡的概念,并表明,均衡总是存在的。
2014-02-19 cs.GT
Prompt Delay
延迟博弈是两个玩家的博弈,其中一个玩家可以延迟她的行动,以获得对对手行动的前瞻。近年来,人们对弱MSO中具有量化获胜条件的无界量词博弈进行了研究,但其性质并不令人满意。特别是,无界前瞻一般是必要的。在这里,我们研究了延迟博弈的获胜条件给出的LTL,线性时序逻辑配备了一个参数化的最终运营商,其范围是有界的。我们的主要结果表明,解决的三重指数时间的LTL延迟对策是完全的。此外,我们给出了严格的三重指数界上的必要的前瞻性和参数化的最终运营商的范围。因此,我们确定的第一类行为良好的定量获胜条件延迟游戏的LTL。最后,我们表明,应用我们的技术,延迟游戏与ω-正规的获胜条件回答开放的问题的情况下,获胜的条件是由非确定性的,通用的,或交替自动机。
2016-10-10 cs.FL cs.GT cs.LO
Playing Pushdown Parity Games in a Hurry
我们继续调查的有限持续时间的无限持续时间的游戏扩展到无限的游戏的有限持续时间的变种。特别是,我们建立了一个等价的下推平价游戏和有限持续时间的变体。这使我们能够通过在有限树上求解可达性博弈来确定下推奇偶博弈的获胜者。
2012-10-09 cs.GT
Playing (Almost-)Optimally in Concurrent Büchi and co-Büchi Games
我们研究有限图上的两人并发随机博弈,Büchi和co-Büchi目标。第一个参与者的目标是最大化满足给定目标的概率。根据马丁关于布莱克威尔博弈的决定性定理,我们知道这样的博弈有一个值。自然的问题是:是否存在一个最优策略,也就是说,一个实现游戏价值的策略?什么是内存需要发挥(几乎)最佳?这种情况对于回合制游戏来说很容易描述,在这种情况下,位置纯策略足以在具有奇偶目标的游戏中发挥最佳作用。并发性使情况变得复杂和异构。对于大多数ω-正则目标,一般情况下确实不存在最优策略。对于某些目标(我们将提到),无限的内存也可能需要最优或几乎最优的游戏。我们还提供了本地的球员,以确保(几乎)最优策略的Büchi和合作Büchi目标的互动特征。这种表征依赖于游戏形式的属性,这些属性支撑着用于定义两个玩家的局部交互的形式主义。这些行为良好的游戏形式就像是一块基本的砖块,当它们在孤立的情况下行为良好时,可以组装成图游戏,并确保整个游戏的良好性能。
2022-11-24 cs.GT
Playing a true Parrondo's game with a three state coin on a quantum walk
本文的研究对象是一个四人组的Parrondo游戏。我们表明,一个真正的量子Parrondo的游戏可以发挥与3状态硬币(qutrit)在一维量子漫步相反的事实,发挥真正的Parrondo的游戏与2状态硬币(qubit)在一维量子漫步的渐近极限失败。
2018-06-07 cond-mat.dis-nn cs.GT quant-ph
Game theory analysis when playing the wrong game
针对经典博弈论需完全知晓对手目标的局限,研究玩家误解对手目标的严格序数2×2双矩阵博弈,给出问题数学表述并枚举分析全部78个此类博弈,填补了相关研究空白。
2023-07-17 cs.GT
On Measuring the Impact of Human Actions in the Machine Learning of a Board Game's Playing Policies
我们系统地研究了人工干预对策略棋盘游戏中计算机玩家训练的影响。在该游戏中,计算机玩家利用神经网络的强化学习来发展他们的游戏策略,并表现出缓慢的学习速度。人工干预可以显著提高学习性能,但系统地进行它似乎是一个集成的游戏开发环境,而不是自动进化学习的问题。
2006-11-30 cs.AI cs.GT cs.NE
Quantum computer: an appliance for playing market games
量子计算和量子信息理论的最新发展使得量子世界的博弈论范围得以扩展。最近,作者提出了一个量子描述的金融市场的量子博弈论。该论文包含了对这些市场的分析,表明使用量子计算机和量子策略将具有优势。
2003-05-05 cond-mat cs.GT quant-ph
Playing Muller Games in a Hurry
本文研究了一个问题:在Muller博弈中,在有限步数之后,可以停止游戏,并宣布获胜者吗?这样做的一个标准是合理的,如果参与人0赢得了一个无限持续时间的穆勒游戏,当且仅当她赢得了有限持续时间的版本。一个声音的标准,停止播放后,最多3^n移动,其中n是舞台的大小。这改进了边界(n!+ 1)McNaughton得到的^n和n!+ 1来自减少到平价游戏。
2010-06-08 cs.GT cs.LO
Watermarking Game-Playing Agents in Perfect-Information Extensive-Form Games
Strategic Machine, Inc.(战略机器公司);Strategy Robot, Inc.(策略机器人公司);Optimized Markets, Inc.(优化市场公司)
本文研究如何在完美信息扩展型游戏中对策略进行水印,通过调整LLM的KGW水印技术,展示水印检测的统计测试方法,并探讨质量与可检测性之间的权衡。
2026-05-14 cs.AI cs.CR cs.GT
Game Redesign in No-regret Game Playing
University of Wisconsin–Madison(威斯康星大学麦迪逊分校)
我们研究的游戏重新设计的问题,其中外部设计师有能力改变支付函数在每一轮,但招致的设计成本偏离原来的游戏。玩家应用无遗憾学习算法以有限的反馈重复玩改变的游戏。设计者的目标是(i)激励所有玩家频繁地采取特定的目标动作配置文件;以及(ii)产生小的累积设计成本。我们提出了游戏重新设计算法,保证目标动作配置文件是在T-o(T)轮,而只产生o(T)的累积设计成本。游戏重新设计描述了积极和消极的应用:一个仁慈的设计者,激励玩家采取与原始游戏的解决方案相比具有更好的社会福利的目标动作配置文件,或者一个恶意攻击者,其目标动作配置文件使自己受益,但不是玩家。四个经典游戏的模拟证实了我们提出的重新设计算法的有效性。
2021-10-18 cs.GT cs.LG
Playing Large Games with Oracles and AI Debate
Google DeepMind(谷歌DeepMind);Princeton University(普林斯顿大学);New York University(纽约大学);Amazon Research(亚马逊研究)
针对大规模重复博弈的遗憾最小化问题,提出基于预言机的高效算法,可同时实现内外遗憾最小化且遗憾与行动数对数相关,在AI安全辩论场景实验中验证了有效性。
2024-07-10 cs.AI cs.GT
Modular Discovery of General Game-Playing Algorithms with Large Language Models
本文提出多智能体LLM元学习系统,在C++中模块化进化通用游戏搜索算法,经400+环境与15个MCTS基线对比,取得顶级评级并泛化至新游戏。
2026-09-29 cs.AI cs.GT cs.MA
Playing Games with Bounded Entropy: Convergence Rate and Approximate Equilibria
我们考虑零和重复博弈,其中玩家被限制在只需要有限数量的随机性的策略。令$v_n$为$n$阶段游戏的最大-最小值;先前的工作已经表征了$\lim_{n\rightarrow\infty}v_n$,即,长期最大最小值。我们的第一个贡献是研究了$v_n$的收敛速度。为此,我们提供了一种新的工具,用于从另一个源(硬币源)模拟一个源(目标源)。考虑到总变化距离作为精度的度量,该工具提供了模拟精度的上限,该上限在硬币和目标源的Rényi熵的差异中呈指数消失。在第二部分中,我们刻画了所有在长期内达到的近似纳什均衡的集合。事实证明,这个集合与长期最大-最小值密切相关。
2019-02-10 cs.GT
Playing repeated games with sublinear randomness
本研究完整刻画了重复博弈中仅需常数随机性即可实现纳什均衡的条件,并证明随机性需求的0-1定律,解决了开放问题。
2023-12-20 cs.GT
Playing against a stationary opponent
本文研究平稳对手下零和随机博弈的Blackwell ε-最优策略,证明一类吸收博弈中存在两状态自动机实现的该类策略但马尔可夫型的可能不存在,更一般吸收博弈中无独立于对手决策的该类策略,为鲁棒MDP提供新见解。
2025-03-19 cs.GT
Quantum repeated games revisited
基于Marinatto和Weber的量子博弈方法,我们提出了一个玩量子重复2x2博弈的方案。作为一个潜在的应用,我们研究了两次重复的囚徒困境博弈。结果表明,当博弈以量子方式进行时,可以得到经典博弈中不存在的结果。在我们提出我们的想法之前,我们对以前的量子重复博弈方案进行了评论。
2011-09-17 cs.GT quant-ph
ZERO: Playing Mathematical Programming Games
我们提出零,一个模块化的和可扩展的C++库接口数学编程和博弈论。ZERO为互惠双线性游戏(RBG)提供了一个全面的建模接口和算法工具包,即,同时非合作游戏,其中每个玩家解决一个数学规划,玩家变量为线性目标,对手变量为双线性目标。这类游戏将运筹学的经典问题推广到多智能体环境中。ZERO模块化结构为用户提供了设计新的RBG博弈理论模型和算法的所有基本要素,并找到了他们的纳什均衡。该库为整数非凸性,线性双层问题和具有平衡约束的线性平衡问题提供了额外的扩展支持。我们提供了软件的关键组件的概述,并展示了背包游戏,即,每个玩家解决一个二进制背包问题的游戏。为了促进数学规划和博弈论相互作用的实际方法论贡献,我们将ZERO作为开源软件发布。源代码、文档和示例可在www.getzero.one上查阅。
2021-12-12 cs.GT math.OC
Transformers as Game Players: Provable In-context Game-playing Capabilities of Pre-trained Models
University of Virginia(弗吉尼亚大学);The Pennsylvania State University(宾夕法尼亚州立大学)
该研究针对现有Transformer上下文学习理论局限于单智能体的问题,聚焦两人零和博弈,证明预训练Transformer可在去中心化与中心化设置下通过上下文学习逼近纳什均衡,且架构可实现V-learning、VI-ULCB等经典多智能体博弈算法。
2024-10-13 cs.GT cs.IT cs.LG
Playing the Wrong Game: Bounding Externalities in Diverse Populations of Agents
多智能体系统的鲁棒性可能受到错误或行为偏差的影响(例如,风险厌恶、利他主义、收费敏感性),一些代理人玩“错误的游戏"。“这可能会改变均衡集,并可能反过来损害或改善系统中代理人的社会福利。我们感兴趣的边界,我们称之为有偏见的无政府代价(BPoA)的人口与不同的代理行为,这是福利之间的比率在“错误”的均衡和最佳福利。我们研究非原子路由游戏,并推导出外部性的界限,依赖于一个关键的拓扑参数的底层网络。然后,我们证明了两个一般的BPoA边界的游戏与不同的人口:一个依赖于网络结构和人口中的所有代理的平均偏差,一个是独立的结构,但取决于最大偏差。这两种类型的界限可以与已知的结果相结合,以导出各种特定行为的具体BPoA界限(例如,不同程度的风险规避)。
2018-03-13 cs.GT cs.MA
Playing Games with your PET: Extending the Partial Exploration Tool to Stochastic Games
Lancaster University(兰开斯特大学);Institute of Science and Technology Austria(奥地利科学技术研究所)
本研究推出PET 2.0版本,基于可靠值迭代统一框架新增随机博弈支持,覆盖三类目标的部分探索变体,实验证明其为随机博弈下最高效的部分探索算法,性能优于不可靠工具。
2024-05-13 cs.AI cs.GT cs.SY
Playing Games in the Baire Space
我们解决了一个广义版本的教会的综合问题,其中发挥是由一个序列的自然数,而不是一个序列的位,所以发挥是一个元素的Baire空间,而不是康托空间。两个玩家输入和输出交替选择自然数来生成一个游戏。我们提出了一个自然模型的自动机(“N-记忆自动机”)配备了奇偶性接受条件,我们还介绍了相应的模型的“N-记忆传感器”。我们证明了由N-记忆自动机(即,玩家输出的获胜策略的存在)是可判定的,并且在这种情况下,可以构造实现玩家输出的获胜策略的N存储器转换器。
2016-08-02 cs.GT cs.LO
Playing games with Large language models: Randomness and strategy
UNSW(新南威尔士大学)
本文探讨大语言模型在石头剪刀布和囚徒困境中的博弈能力,发现其随机输出存在严重偏差,并在重复博弈中表现出损失厌恶策略,揭示了其在多智能体战略决策中的局限性。
2025-03-04 cs.AI cs.GT
What game are we playing? End-to-end learning in normal and extensive form games
Carnegie Mellon University(卡内基梅隆大学)
虽然最近的人工智能工作在解决大型、零和、可拓形式的游戏方面取得了很大进展,但过去大多数工作的基本假设是,游戏本身的参数是智能体已知的。本文论述了相对未被充分探索但同样重要的“逆”设置,其中底层游戏的参数并不为所有代理所知,但必须通过观察来学习。我们提出了一个差异化的,端到端的学习框架来解决这个任务。特别是,我们考虑了一个正则化版本的游戏,相当于一个特定形式的量子响应平衡,并开发1)原始对偶牛顿方法,在正常和广泛的形式的游戏中找到这样的平衡点;和2)反向传播方法,让我们分析计算梯度的所有相关的游戏参数通过解决方案本身。这最终让我们通过端到端的方式学习游戏,有效地将“可微游戏求解器”集成到更大的深度网络架构的循环中。我们证明了学习方法的有效性,在几个设置,包括扑克和安全游戏任务。
2018-06-27 cs.GT cs.LG cs.MA
How to decompose a permutation into a pair of labeled Dyck paths by playing a game
我们给出了长度为2n的置换和某些Dyck路径对与标签的下降步骤之间的双射。双射来自一个游戏,在这个游戏中,两个玩家从一组2n个项目中交替选择:排列编码了玩家对项目的偏爱序,而戴克路径编码了在最佳游戏下选择项目的顺序。我们列举排列的某些统计数据,AA反转和BB反转,这在游戏方面有自然的解释。给出了经典恒等式如\sum_p \prod_{i=1}^n q^{h_i-1} [h_i]_q = [1]_q [3]_q. [2n-1]_q,其中和是在所有长度为2n的Dyck路p上,h_i是p的下台阶的高度。
2013-06-28 cs.GT math.CO math.PR