Design of zero-determinant strategies and its application to networked repeated games
本文利用半张量积推导重复博弈的轮廓演化方程,设计一般有限博弈的零行列式策略,给出充要条件,并针对网络化重复博弈提出虚拟对手与简化技术。
2023-11-13 math.OC
Equilibria in Repeated Games with Countably Many Players and Tail-Measurable Payoffs
我们证明了,每一个重复的游戏与可数多个球员,有限的行动集,和尾部可测量的回报承认一个$ε$ -均衡,每$ε> 0$。
2021-06-07 cs.GT math.OC
The Optimal Strategy against Hedge Algorithm in Repeated Games
针对有限重复2×2零和博弈中对抗Hedge算法的最优策略求解难题,本文通过演化分析、Bellman方程递推及状态转移图研究,证明最优策略的截段周期性,为一般博弈的同类问题提供方法参考。
2023-12-15 math.OC
Repeated Games with Tail-Measurable Payoffs
我们研究多人Blackwell游戏,这是重复的游戏,其中每个玩家的收益是一个有界的和Borel-可测函数的无限流的行动中发挥的球员在游戏中。这些博弈是大卫·盖尔和弗兰克·斯图尔特(1953)研究的两人完全信息博弈的延伸。近年来,人们发现了许多研究Blackwell对策的新思想。在本文中,我们给出了一个概述,这些想法证明,在四种不同的方式,Blackwell游戏有限数量的球员,有限的行动集,和尾部可测量的回报承认$\varepsilon$ -平衡,所有$\varepsilon>0$。
2022-05-24 math.LO math.OC
Extremal shift rule for continuous-time zero-sum Markov games
本文考虑描述有限类型相互作用粒子系统的受控连续时间马尔可夫链。该系统由两个具有相反目的的玩家控制。粒子数趋于无穷大时的极限对策是零和微分对策。Krasovskii-Subbotin极值转移提供了极限博弈中的最优策略。本文的主要结果是Krasovskii-Subbotin极值转移规则的近最优性的原始马尔可夫对策。
2014-12-01 math.OC
On the convergence of fictitious play algorithm in repeated games via the geometrical approach
本文利用几何方法识别出一类新的具有虚拟博弈收敛性(FPP)的3×3博弈,通过设计投影映射将高维系统约化为平面系统,并重新定义鞍点和汇点纳什均衡以证明连续时间虚拟博弈的收敛性。
2024-12-30 math.OC
Zero-sum Risk-sensitive Stochastic Games for Continuous Time Markov Chains
研究了可数状态空间上受控连续时间马尔可夫链的无限时域折扣费用和遍历费用风险敏感零和随机对策。对于折扣成本博弈,在名义条件下证明了马氏策略类的价值均衡和鞍点均衡的存在性。对于遍历代价博弈,通过研究相应的Hamilton-Jacobi-Isaacs方程,在一定的李雅普诺夫条件下,证明了值和鞍点平衡的存在性.
2016-03-08 math.OC
Partially Observable Discrete-time Discounted Markov Games with General Utility
本文研究了状态过程为离散时间马尔可夫链的部分可观测零和对策。在优化准则中考虑了一般的效用函数。我们证明了有限和无限地平线游戏的价值的存在性,也建立了最优政策的存在性。主要步骤涉及将部分可观察的博弈转换为完全可观察的博弈,该完全可观察的博弈还跟踪总的折扣累积奖励/成本。
2022-11-15 math.OC
Infinitely Split Nash Equilibrium Problems in Repeated Games
本文在重复博弈中引入了无限分裂纳什均衡的概念,其中剖面集是链完备偏序集。然后利用文献[8]中偏序集上的一个不动点定理,证明了一个存在性定理。作为应用,我们研究了重复扩展的双寡头价格竞争模型。
2017-12-21 cs.GT math.DS math.OC
Zero-sum continuous-time Markov pure jump game over a fixed duration
本文研究了在Borel状态空间和行动空间中,在固定有限时间内的两人零和连续时间马氏纯跳对策。该模型的主要假设是存在一个漂移函数,它限制了奖励率。在一定的规则性条件下,我们证明了博弈有一个值,并且双方都有自己的最优策略。
2017-03-30 math.OC
Zero and Non-zero Sum Risk-sensitive Semi-Markov Games
本文研究了有限状态空间半马氏过程的零和与非零和风险敏感平均准则对策。对于零和情形,在适当的假设下,我们证明了博弈有一个值。我们还建立了一个平稳的鞍点平衡的存在性。对于非零和的情况,在适当的假设下,我们建立了一个稳定的纳什均衡的存在性。
2021-06-09 math.OC
Payoff Control in Repeated Games
进化对策论是研究智能个体在集体互动中如何调整策略的有力数学框架。人们普遍认为,在博弈中不可能单方面控制参与人的收益,因为收益是由所有参与人共同决定的。直到最近,一类所谓的零决定性策略被揭示出来,这使得一个人能够在两个动作的重复博弈中以恒定的继续概率对她的合作伙伴进行单边支付控制。然而,现有的方法,导致灾难的维数时,游戏的复杂性增加。本文提出了一个新的数学框架来研究重复博弈中任意数量的行动或参与人以及任意延续概率的统治策略(参与人单方面对参与人的收益做出线性关系规则)。我们建立了一个存在定理的统治策略,并开发了一个算法来找到他们。特别是,我们证明了严格的马尔可夫统治策略存在,只有当重复的游戏进行了无限多轮,或每一轮都重复相同的概率。所提出的数学框架也使搜索的合作统治策略的联盟,以控制外人。我们的方法提供了新的理论见解复杂的重复博弈中的支付控制,克服了维数灾难。
2021-08-28 math.OC q-bio.PE
A Maximum Principle for Markov Regime-Switching Forward Backward Stochastic Differential Games and Applications
本文研究了一类马尔可夫状态切换正倒向部分信息带跳随机微分方程的随机微分对策的最优控制问题.首先证明了非零和随机微分对策问题的一个充分最大值原理,并得到了这类对策的平衡点。其次,我们证明了非零和随机微分对策的一个等价最大值原理。作为推论,得到了零和随机微分对策等价的最大值原理。应用所得结果研究了惩罚熵下的鲁棒效用最大化问题。最后,我们将所得结果应用于模型不确定性下保险公司的最优投资。
2014-10-13 math.OC
Solving Two-State Markov Games with Incomplete Information on One Side *
本文研究了在一方两状态不完全信息的马氏对策中信息的最优利用问题。我们提供了一个有限阶段的算法来计算极限值的阶段之间的差距为0,和一个最优策略的限制游戏中的知情的球员在连续的时间。这个极限策略为知情的参与者引入了一个非最优策略,前提是阶段之间的差距很小。我们的研究结果表明,当知情的球员应该使用他的信息,以及如何。
2019-03-18 math.OC
Discrete-time Zero-Sum Games for Markov chains with risk-sensitive average cost criterion
研究了离散时间受控马尔可夫链在可数状态空间和Borel作用空间下的零和随机对策问题。支付函数是非负的,并且可能是无界的。在一定的李雅普诺夫稳定性假设下,我们建立了一个值和鞍点平衡的存在性。进一步,我们完全刻画了平稳马尔可夫策略类中所有可能的鞍点策略。最后,我们提出并分析了一个说明性的例子。
2022-01-11 math.OC
On the adjoint Markov policies in stochastic differential games
本文考虑了整环上的时齐一致非退化随机微分对策,提出了利用实际上是时齐马尔可夫的伴随马尔可夫策略和伴随马尔可夫策略来构造$\varepsilon$ -最优策略和策略,不是相对于原始过程,而是相对于由主原始方程和与之相同类型的伴随随机方程组成的系统所支配的一对过程,主要的一个。我们展示了如何找到$\varepsilon$ -最优策略和政策,在这些类中使用的可解性在索伯列夫空间的原始Isaacs方程,但其适当的修改。我们还给出了一个例子,我们的假设是不满意的,我们猜想,不仅有最佳马尔可夫,但甚至$\varepsilon$ -最佳伴随(时间齐次)马尔可夫策略的球员之一,一个一致的非退化游戏。
2019-03-24 math.OC
Stationary Markov Nash equilibria for nonzero-sum constrained ARAT Markov games
本文考虑了抽象可测状态空间上的非零和马氏对策,该状态空间具有紧度量行动空间。每个局中人的目标是在满足一定条件的条件下最大化各自的贴现支付函数。我们感兴趣的是纳什均衡或非合作均衡的存在性。在适当的条件下,包括转移相对于某些参考概率测度的绝对连续性,支付和转移概率的可加性(ARAT条件),以及系统转移的支付函数和密度函数的连续性,我们建立了一个约束平稳马尔可夫纳什均衡的存在性,即,每个玩家的平稳马尔可夫策略的存在产生所有历史相关的配置文件的类内的最佳配置文件。
2021-09-27 math.OC
Asymptotic Perron's method and simple Markov Strategies in stochastic games and control
我们引入一个修改Perron的方法,半解被认为是在一个仔细定义的渐近意义。有了这个定义,我们可以用一种相当基本的方式证明,在一个零和对策或一个控制问题(有或没有模型不确定性)中,所有策略上的价值函数与时间离散化的马尔可夫策略上的价值函数一致。因此,总是存在离散化的马尔可夫$\varepsilon$ -最优策略(关于有界初始条件是一致的)。通过一个小的修改,该方法产生一个值和近似的鞍点的反馈策略与反策略的非对称游戏。
2015-02-19 math.OC
A maximum principle for Markov-modulated SDEs of mean-field type and mean-field game
本文分析了有限状态马尔可夫链调制的平均场博弈。本文首先建立了一个充分随机最大值原理,用于平均场型马尔可夫调制随机微分方程的最优控制,该方程的系数依赖于过程的状态、规律的某些泛函以及时间和样本的变化.由于系数受马尔可夫链扰动而随机,为了研究这类随机微分方程,我们分析了一类系数为随机Lipschitz的平均场型随机微分方程解的存在唯一性,以及伴随相互作用粒子系统的混沌传播性质,并采用与已有结果平行的方法作为副产品.利用平均域论求解了马尔可夫调制平均场博弈的近似纳什均衡。
2014-05-21 math.OC
Blackwell Equilibrium in Repeated Games
本文将 Blackwell 最优性引入重复博弈,定义对所有高贴现因子同时序贯理性的均衡,并揭示不同监督结构下其均衡集合的显著差异。
2025-01-07 econ.TH math.OC
Zero-sum repeated games: Counterexamples to the existence of the asymptotic value and the conjecture $\operatorname{maxmin}=\operatorname{lim}v_n$
Université Toulouse 1 Capitole(图卢兹第一大学)
Mertens [在国际数学家大会(伯克利,加利福尼亚州,1986)(1987)1528-1577美国数学学会]提出了两个关于重复博弈的一般性定理:第一个定理是,在任何两人零和重复博弈中,渐近值是存在的;第二个定理是,当参与人1比参与人2更了解情况时,参与人1在长期内能够保证渐近值。我们反驳这两个长期存在的apturtures通过提供一个例子的零和重复的游戏与公共信号和完美的观察的行动,其中的值的$λ$折扣游戏不收敛时,$λ$去0。前面提到的例子涉及每个玩家的七个状态、两个动作和两个信号。值得注意的是,参与者会观察收益,然后轮流参与。
2016-03-15 cs.LG math.OC
On values of repeated games with signals
我们研究了在两人零和重复博弈中存在不同的价值观,在这种博弈中,状态不断演变,玩家收到信号。我们提供了一些例子,表明limsup值(和统一值)通常可能不存在。然后,我们证明了存在的任何博雷尔支付函数的值,如果球员观察到一个公共信号,包括所采取的行动。我们还证明了其他两个积极的结果没有假设的信号结构:存在的$\sup$值在任何游戏和存在的一致值的递归对策与非负支付。
2016-01-07 cs.GT math.OC
Repeated Games with Switching Costs: Stationary vs History Independent Strategies
我们研究的零和重复博弈中,最小化的球员必须支付一定的成本,每次他改变他的行动。我们的贡献是双重的。首先,我们证明了博弈的价值存在于静态策略中,仅取决于最小化参与者的先前行动,而不是整个历史。我们提供了一个完整的表征的价值和最优策略。该策略表现出鲁棒性,通常不会改变一个小扰动的切换成本。其次,我们考虑一种情况下,最小化的球员是有限的发挥简单的策略,是完全独立的历史。在这里,我们也提供了一个完整的(极大极小)值和获得它的策略的特征。此外,我们提出了几个界限的损失,由于这种限制。
2021-10-28 econ.TH math.OC
Attainability in Repeated Games with Vector Payoffs
我们在两人重复博弈中引入了可达收益集的概念。如果参与人1能够确保有一个有限的时间范围$T$,使得在时间$T$之后,集合和累积收益之间的距离任意小,则称一组支付向量为{ \em reachable},而不管参与人2使用什么策略。本文主要研究可达集由一个支付向量组成的情形。在这种情况下,向量被称为可达向量。我们研究了可达向量集的性质,并刻画了特定向量何时可达以及每个向量何时可达。
2014-03-06 cs.GT math.OC
Parallel Network Flow Allocation in Repeated Routing Games via LQR Optimal Control
在这篇文章中,我们研究了平行网络上的重复路由博弈问题,每条边上的仿射延迟函数。我们铸造的游戏设置在一个LQR控制理论框架,利用罗森塔尔潜在的制定。我们使用控制技术来分析游戏动态的收敛与特定的情况下,借给自己的最优控制。设计了合适的动力学参数,保证了流量守恒。我们使用多参数二次规划方法(显式MPC)为一般最优控制设置提供了算法解决方案。最后,我们用数值方法说明了系统参数变化对解的影响。
2021-12-30 cs.GT cs.SY eess.SY
On repeated zero-sum games with incomplete information and asymptotically bounded values
我们考虑重复的零和博弈,参与人2一侧的信息不完全,总收益由阶段收益的非归一化和给出。在经典的例子中,这种$N$阶段博弈的值$V_N$是$N$或$\sqrt{N}$作为$N\to \infty$的量级.我们的目标是找到是什么原因导致的另一种类型的渐近行为的值$V_N$观察到的离散版本的金融市场模型介绍了德迈耶和萨利。对于这个博弈,Domansky和De Meyer与Marino发现$V_N$仍然有界为$N\to\infty$,并且收敛到极限值。这个游戏几乎是公平的,即,如果参与人1忘记了他的私人信息价值就变成了零.我们描述了一类几乎公平的游戏有界值的辅助非揭示游戏的一个易于检查的性质。我们称之为分段特性,它表示参与人2存在一个分段恒定的最优策略,作为先验分布$p$的函数。离散市场模型具有分段性质。我们证明了对于具有非退化条件的非分段几乎公平对策,$V_N$的阶为$\sqrt{N}$。
2016-09-12 cs.GT math.OC
Dynamical Analysis of a Repeated Game with Incomplete Information
我们研究了两个玩家的重复零和对策与雷诺引入的不对称信息,其中的底层状态的游戏经历马尔可夫演化(参数化的转移概率$\frac 12\le p\le 1$)。Hörner、Rosenberg、Solan和Vieille为$p$在$[\frac 12,\frac 23]$范围内的知情参与者确定了一个最优策略$σ^*$。我们扩展的范围上$σ^*$被证明是最佳的约$[\frac 12,0.719]$,并证明它不能是最佳的值在0.7328左右。我们的技术利用了动力系统的工具,特别是压力的概念,由D。Ruelle.
2017-03-14 math.DS math.OC math.PR
Markov Games with Decoupled Dynamics: Price of Anarchy and Sample Complexity
本文研究动态解耦但奖励可耦合的马尔可夫博弈,引入平滑性概念界定无政府代价,并为马尔可夫势博弈提出可证明收敛至纳什均衡的分布式学习算法MA-SPI及样本复杂度。
2023-04-07 cs.GT math.OC
Stationary Markov Perfect Equilibria in Discounted Stochastic Games
在称为“(可分解的)粗转移核”的一般条件下,证明了随机对策中平稳马尔可夫完美均衡的存在性.这一结果涵盖了相关平衡,噪声随机对策,随机对策有限行动和状态独立的过渡,和随机对策的混合物作为特殊情况下的各种早期存在的结果。通过建立随机对策与对应的条件期望之间的新联系,提供了一个非常简单的证明。作为说明性的例子,随机对策的新应用,包括随机对策与内生冲击和随机动态寡头模型。
2017-01-21 math.OC q-fin.GN
No-regret learning for repeated non-cooperative games with lossy bandits
Tongji University(同济大学);Shanghai Research Institute for Intelligent Autonomous Systems(上海智能自主系统研究院)
本文研究了带损失反馈的重复连续核博弈的无悔学习问题。由于动态环境下效用函数的显式模型难以给出,只能通过强盗反馈来学习参与者的行为。此外,由于不可靠的通信信道或隐私保护,强盗反馈可能丢失或随机丢弃。因此,我们研究了局中人的异步在线学习策略,以自适应地调整下一个行动,使长期后悔损失最小化。本文提出了一种新的无遗憾学习算法,称为在线梯度下降与有损强盗(OGD-lb)。我们首先给出了具有可微和Lipschitz效用的凹对策的后悔分析。然后,我们表明,行动配置文件收敛到纳什均衡的概率为1时,游戏也是严格单调的。当博弈是$β-$强单调时,我们进一步给出了均方收敛速度$\mathcal{O}\left(k^{-2\min\{β, 1/6\}}\right)$.此外,我们还将算法推广到了强盗反馈损失概率未知的情形,并证明了其几乎必然收敛于严格单调对策的纳什均衡。最后,以雾计算中的资源管理为应用实例,通过数值实验对算法性能进行了实证分析。
2022-05-14 cs.LG math.OC
Dynkin games for Markov processes associated with semi-Dirichlet forms
针对与半 Dirichlet 型相关的 Markov 过程上的 Dynkin 最优停止博弈,本文证明双障碍变分不等式的解给出均衡价格,并构造得到博弈鞍点。
2023-04-24 math.OC math.PR
Existence of Saddle Points in Discrete Markov Games and Its Application in Numerical Methods for Stochastic Differential Games
本文建立了离散马尔可夫对策存在鞍点的充分条件。结果用动态规划方程揭示了动态博弈与静态博弈的关系。这一结果使我们能够在适当的条件下证明状态转换扩散的不可分随机微分对策鞍点的存在性。
2006-03-25 math.NT math.OC math.PR
Mean Field Games with Ergodic cost for Discrete Time Markov Processes
在一般离散时间控制的马尔可夫过程框架下,研究了具有遍历代价的平均场对策。过程的状态空间由一般的$σ$ -紧波兰空间给出。在一定条件下,我们证明了平均场博弈均衡的存在性。我们还研究了$N$ -人的游戏中,球员相互作用,通过他们的经验措施。我们证明了$N$ -人博弈具有纳什均衡,并且当$N$趋于无穷大时,均衡收敛到平均场博弈解。
2015-10-30 math.OC math.PR
Zero-Sum Semi-Markov Games with State-Action-Dependent Discount Factors
半马尔可夫模型是随机动态系统的最一般模型之一。本文研究半马氏过程的二人零和对策。我们专注于期望贴现支付准则与国家行动依赖的折扣因子。状态空间和动作空间都是波兰空间,支付函数是$ω$ -有界的。我们首先在一个给定的半马尔可夫核和一对策略下构造了一个相当一般的半马尔可夫博弈模型。其次,基于半马尔可夫对策的标准正则性条件和连续紧性条件,在半马尔可夫核上导出了一个“漂移条件”,并假设折扣因子有一个正下界,在此条件下,利用Shapley方程证明了半马尔可夫对策的价值函数和一对最优平稳策略的存在性.此外,当状态和行动空间都是有限的,价值迭代型算法计算的价值函数和$\varepsilon$ -纳什均衡的游戏。并证明了算法的收敛性。最后,我们进行数值例子来证明我们的主要结果。
2021-03-06 cs.GT math.OC
Contest for system observability as an infinitely repeated game
提出将系统可观测性安全问题建模为两人非合作无限重复博弈,刻画攻防双方对不可观测子空间维数的争夺,并给出一步与两步最优下统一的 Nash 均衡条件及锁定、循环演化模式。
2025-06-10 cs.SY eess.SY math.OC
The Lagrangian Method for Solving Constrained Markov Games
本文提出拉格朗日博弈概念,并通过原始-对偶迭代方法求解带约束马尔可夫博弈,证明其解序列收敛到原博弈的非平稳纳什解。
2025-03-13 cs.GT math.OC
Mean-field risk sensitive control and zero-sum games for Markov chains
利用Wasserstein距离,通过一个不动点证明了跳跃强度无界的平均场型受控马尔可夫链的存在性.利用马尔可夫链熵后向逼近方法,进一步给出了平均场型风险敏感支付泛函的控制问题和零和微分对策的最优控制和鞍点存在的条件.
2018-01-23 math.OC math.PR
Cooperation Enforcement and Collusion Resistance in Repeated Public Goods Games
多智能体系统的主要目标之一是加强实体间的合作。然而,由于在许多情况下存在固有的社会困境,搭便车的问题可能会出现在代理人的长期互动和事情变得更加复杂时,自利的代理人相互勾结,以获得额外的利益。人们普遍认为,在这样的社会困境中,不存在简单的策略,一个代理人,她可以同时操纵她的每个对手的效用,并进一步促进所有代理人之间的相互合作。在这里,我们证明了这样的策略确实存在。在传统的重复公共产品博弈下,我们对它们进行了新的识别,发现在面对这种策略时,单个对手只有通过全球合作才能实现效用最大化,而任何合谋的联盟都无法占据上风。由于完全合作对于任何单个对手都是最优的,因此可以实现所有玩家之间的稳定合作。此外,我们的实验表明,这些策略仍然可以促进合作,即使对手是自我学习和合谋。
2018-11-15 cs.GT math.OC
Repeated games of incomplete information with large sets of states
著名的R.Aumann和M.Maschler定理指出,当状态集K是有限的时,一个N阶段的零和对策G_N在一侧具有不完全信息时,当N趋于无穷大时,其值序列收敛,并且误差项有界于一个常数除以N的平方根。本文讨论了K为无穷大的情形。结果表明,对于具有重尾的可数支撑先验分布p,误差项可以任意缓慢地减小。对于给定的p,下降的最慢可能速度是根据类熵泛函族确定的。我们的方法是基于著名的测度值鞅的最大变差的行为和不完全信息重复博弈的渐近性质之间的联系。
2013-12-25 cs.GT cs.IT math.IT
Tolling for Constraint Satisfaction in Markov Decision Process Congestion Games
马尔可夫决策过程(Markov decision process,MDP)拥塞博弈是经典拥塞博弈的一种扩展,其中自私代理的连续种群解决了具有拥塞的马尔可夫决策过程:策略的收益随着更多的种群使用它而减少。特别是,我们表明,在MDP拥挤游戏中的人口质量约束相当于对奖励函数施加通行费/激励,社会规划者可以利用它来实现辅助目标。我们在一个模拟的西雅图乘车共享模型中演示了这种方法,其中收费和激励措施是为了两个独立的目标而实施的:保证西雅图市中心的最小驾驶员密度,并将游戏均衡转向最大的社会产出。
2019-03-02 cs.GT math.OC
On Zero-Sum Two Person Perfect Information Semi-Markov Games
零和二人完全信息半马尔可夫博弈在有限比率平均支付下存在一个值,最大者和最小者都有最优纯半平稳策略。我们得到的结果,首先固定一个任意的初始状态,并形成对应于每对纯静态策略的两个球员的未贴现收益矩阵,并证明该矩阵有一个纯鞍点。
2023-02-14 cs.GT math.OC
Repeated Games, Optimal Channel Capture, and Open Problems for Slotted Multiple Access
本文重新审视了一个经典的问题,时隙多址成功,空闲,和冲突事件的每个时隙。首先,报告2用户多路访问游戏的结果。该游戏在南加州大学进行了多个学期,涉及学生设计的算法之间的竞争。一个叫做4-State的算法是一个持续的赢家。该算法进行了分析,并显示有一个最佳的预期得分时,对一个独立的版本本身的竞争。4状态的结构激发了对如何最大限度地减少针对$n$用户情况捕获频道的预期时间这一悬而未决的问题的探索。假设系统提供关于在每个时隙结束时发送的用户数量的完美反馈。提出了一种有效的算法,并证明了该算法对所有正整数$n$都有最优的期望捕获时间。在特殊情况下证明了最优性$n \in \{1, 2, 3, 4, 6\}$使用一种新的分析技术,引入虚拟用户增强功能。
2021-12-22 cs.GT math.OC
Robustness and sample complexity of model-based MARL for general-sum Markov games
多智能体强化学习(MARL)通常使用马尔可夫博弈(也称为随机博弈或动态博弈)的框架建模。现有的文献大多集中在零和马尔可夫博弈,但不适用于一般和马尔可夫博弈。众所周知,一般和马尔可夫博弈中的最佳反应动态不是收缩。因此,一般和马尔可夫博弈中的不同均衡可以有不同的值。此外,Q函数不足以完全表征平衡。考虑到这些挑战,基于模型的学习是一个有吸引力的方法MARL在一般和马尔可夫游戏。在本文中,我们调查的基本问题,\emph{sample complexity}的一般和马尔可夫博弈模型为基础的MARL算法。我们展示了两个结果。我们首先使用Hoeffding不等式为基础的界限表明,$\tilde{\mathcal{O}}( (1-γ)^{-4} α^{-2})$样本每个状态-动作对是足够的,以获得一个$α$近似马尔可夫完美均衡与高概率,其中$γ$是折扣因子,和$\tilde{\mathcal{O}}(\cdot)$符号隐藏对数项。然后,我们使用Bernstein不等式为基础的界限表明,$\tilde{\mathcal{O}}( (1-γ)^{-1} α^{-2} )$样本是足够的。为了得到这些结果,我们研究了马尔可夫完美均衡对模型近似的鲁棒性。我们证明了近似(或扰动)博弈的马尔可夫完美均衡总是原博弈的近似马尔可夫完美均衡,并提供了近似误差的明确界。我们通过一个数值例子来说明结果。
2022-12-19 cs.GT cs.MA cs.SY
PAC Reinforcement Learning Algorithm for General-Sum Markov Games
University of Delaware(特拉华大学)
本文提出了一个理论框架,可能近似正确(PAC)的多智能体强化学习(MARL)算法的马尔可夫博弈。本文利用延迟Q学习的思想,对著名的Nash Q-学习算法进行了扩展,建立了一种新的求解一般和马尔可夫对策的PAC MARL算法。除了指导可证明的PAC MARL算法的设计外,该框架还可以检查任意MARL算法是否是PAC。比较数值结果表明性能和鲁棒性。
2020-09-05 cs.GT cs.LG math.OC
Global Convergence for Replicator Dynamics of Repeated Snowdrift Games
为了理解相互作用的集体中合作行为的产生和维持,我们对一个大的、混合的个体群体进行了一个重复的雪堆博弈的复制子动态进行了整体收敛分析,该博弈有四种典型的策略:总是合作(ALLC)、针锋相对(TFT)、可疑针锋相对(STFT)和总是背叛(ALLD).动态模型是一个三维常微分方程系统,其参数由基础博弈的收益决定。而不是常规的搜索进化稳定的策略和集,我们扩大我们的分析,以确定从任何初态开始的解决方案轨迹的渐近行为,特别是显示,对于全范围的回报,系统的每一个轨迹收敛到一个平衡点。收敛的结果突出了三个发现,是特别重要的自我利益的代理人之间的合作机制,反复玩雪堆游戏的理解。首先,包括TFT-和STFT-球员,在游戏中的两种类型的条件策略的球员,增加了总人口的合作者的份额相比,当人口只包括ALLC-和ALLD-球员的情况。这证实了生物学和社会学的研究结果,即互惠可能会促进社会集体行动中的合作,例如减少交通堵塞和劳动分工,每个人都可以获得更多,以发挥她的对手选择的相反。第二,令人惊讶的是,无论收益如何,总存在一组初始条件,在这些条件下,ALLC参与者不会在长期内消失,而这对其他三种参与者都不成立。因此,一个allc球员,虽然被认为是一个可以很容易地利用在雪堆游戏,有一定的耐力,从长远来看。
2019-10-09 cs.SY eess.SY math.DS
Optimal control and zero-sum games for Markov chains of mean-field type
利用全变差距离,通过不动点论证,证明了具有无界跳强度的平均场型马尔可夫链的存在性。我们进一步证明了近最优控制的存在性,并利用马尔可夫链后向近似方法,分别给出了平均场型支付泛函的控制问题和零和微分对策在平均场型马尔可夫链驱动下的最优控制和鞍点的存在条件.
2017-08-27 cs.GT math.OC math.PR
Provably Efficient Policy Optimization for Two-Player Zero-Sum Markov Games
Tsinghua University(清华大学);Meta AI Research(Meta人工智能研究院);Princeton University(普林斯顿大学);University of Washington(华盛顿大学)
基于策略的函数逼近方法被广泛用于求解具有较大状态和/或动作空间的两人零和博弈。然而,它仍然难以捉摸如何获得优化和统计保证这样的算法。我们提出了一个新的政策优化算法与函数逼近,并证明了在标准的正则性条件下的马尔可夫博弈和函数逼近类,我们的算法发现一个接近最优的政策内的多项式数量的样本和迭代。据我们所知,这是第一个证明有效的政策优化算法与函数近似,解决两个球员零和马尔可夫游戏。
2022-02-26 cs.GT cs.LG math.OC