An extremum seeking algorithm for monotone Nash equilibrium problems
本文研究了在仅有单调伪梯度映射的博弈中,通过零阶反馈信息求纳什均衡的问题。基于混杂系统理论,提出了一种新的极值搜索算法,该算法在半全局实际意义上收敛于纳什均衡集。最后,我们给出了两个仿真例子。第一个表明,标准的极值搜索算法失败,而我们的成功达到NE。在第二部分中,我们模拟了一个固定需求的分配问题。
2021-09-16 cs.SY eess.SY math.OC
Distributed averaging integral Nash equilibrium seeking on networks
基于连续时间梯度的纳什均衡搜索算法在适当的单调性假设下具有被动性。这一特点已被利用来设计分布式算法,收敛到纳什均衡,只使用本地信息。我们进一步利用无源性属性互连的算法与分布式平均积分控制器,调整在线的通信图的权重。其主要优点是保证收敛到纳什均衡,而不需要强耦合条件的代数连通性的通信图上的球员交换信息,也没有一个全球性的高增益。
2018-12-02 math.OC
On the Rate of Convergence of Payoff-based Algorithms to Nash Equilibrium in Strongly Monotone Games
我们推导出了\cite{tat_kam_TAC}中提出的基于回报的算法向纳什均衡的收敛速率。这些速率是在游戏的凸性、强单调性和伪梯度的可微性的标准假设下实现的。特别地,我们证明了该算法在伪梯度的Lipschitz连续性的附加要求下,在两点函数求值设置中实现了$O(\frac{1}{T})$,在一点函数求值设置中实现了$O(\frac{1}{\sqrt{T}})$。据我们所知,这些速率是相应问题类的最佳已知速率。
2022-02-22 cs.MA math.OC
Distributed Nash Equilibrium Seeking for Games in Systems with Bounded Control Inputs
针对实际工程系统中普遍存在的物理限制问题,研究了控制输入有界系统中博弈的纳什均衡问题。更具体地说,一阶积分型系统的控制输入有界,两个饱和控制策略的设计,以寻求纳什均衡的游戏。然后,我们进一步考虑了二阶积分型系统中博弈的纳什均衡寻求问题。由于这个问题很少被研究,我们首先提出了一个集中式的搜索策略,而不考虑控制输入的有界性,其次是分布式的。通过进一步调整饱和函数的纳什均衡搜索策略,一个新的搜索策略,然后被认为是二阶系统的有界控制。在建议的分布式策略中,共识协议包括信息共享和饱和函数被用来构造有界控制输入。通过李雅普诺夫稳定性分析,证明了该方法的收敛性.最后,通过考虑移动传感器网络的连通性控制,对所提出的方法进行了数值验证。
2020-09-27 math.OC
Distributed Nash Equilibrium Seeking for a Class of Uncertain Nonlinear Systems subject to Bounded Disturbances
针对联合强连通切换网络下受有界扰动影响的不确定非线性系统N人博弈,提出融合共识算法、分布式估计器与自适应控制的分布式纳什均衡求解方法,可处理界未知扰动,其特例可解决高阶积分器系统的该类问题。
2024-11-02 math.OC
A relaxed-inertial forward-backward-forward algorithm for Stochastic Generalized Nash equilibrium seeking
本文提出了一种新的算子分裂算法,用于求解随机不确定性下的分布式纳什均衡,具有松弛和惯性效应。我们的工作受到最近的确定性算子分裂方法的启发,设计用于解决结构单调包含问题。该算法是从一个向前-向后-向前计划解决结构单调包含问题具有Lipschitz连续和单调的游戏运营商。据我们所知,这是第一个分布式(广义)纳什均衡寻求算法,具有加速技术在随机纳什博弈,而不假设cocoercivity。数值例子说明了惯性和松弛对我们所提出的算法的性能的影响。
2021-03-24 cs.GT math.OC
Accelerating Distributed Nash Equilibrium Seeking
本文提出一种基于集中式算子外推思想的分布式方法,用于在受限强单调伪梯度的凸博弈中计算纳什均衡,实现了几何收敛速率并改进了已有方法的收敛表现。
2023-10-23 math.OC
Distributed generalized Nash equilibrium seeking in aggregative games on time-varying networks
在部分决策信息下,我们设计了第一个在时变通信网络上的聚合博弈中寻求广义Nash均衡的全分布式算法,即,代理不能直接访问集合决策。该算法是通过将动态跟踪集成到投影伪梯度算法中而得到的。收敛性分析依赖于单调算子分裂框架和带误差的Krasnosel'skiii-Mann不动点迭代。
2020-02-11 math.OC
Equilibrium payoffs in finite games
我们研究了有限对策中纳什均衡和相关均衡的均衡收益集的结构。证明了R^2的一个非空子集是双矩阵博弈的纳什均衡收益集当且仅当它是一个有限矩形并。进一步,我们证明了对于矩形U的任何非空有限并和R^2中包含U的任何多面体P,存在一个双矩阵博弈,U是纳什均衡收益集,P是相关均衡收益集。n-玩家的情况下,这个结果的扰动的支付矩阵的鲁棒性也进行了研究。
2009-02-16 math.OC
Convergence Rate of Payoff-based Generalized Nash Equilibrium Learning
针对具有强单调伪梯度和联合线性耦合约束的博弈,本文确立了基于收益信息学习变分广义纳什均衡的收敛速率,证明其收敛速率为 $O(\ rac{1}{t^{4/7}})$,解决了该信息设置下的开放问题。
2024-11-13 math.OC
Distributed Nash Equilibrium Seeking under Quantization Communication
研究了有限带宽通信下多局中人非合作博弈的纳什均衡求解问题。提出了一种分布式量化算法,它包括局部梯度播放、分布式判决估计和自适应量化。建立了算法的指数收敛性,并定量分析了收敛速度与带宽的关系。最后,一个能源消耗游戏的仿真验证了所提出的结果。
2021-11-14 cs.DC math.OC
Distributed Robust Nash Equilibrium Seeking for Mixed-Order Games by a Neural-Network based Approach
在实际应用中,具有异质动态的决策者可能参与相同的决策过程。这促使我们研究分布式纳什均衡寻求游戏中的球员是混合阶(一阶和二阶)的集成商的影响未知的动态和外部干扰在本文中。为了解决这个问题,我们采用了自适应神经网络来管理未知的动态和干扰,在此基础上,通过进一步适应基于梯度的优化和多智能体共识的概念,开发了分布式纳什均衡寻求算法。通过构造适当的李雅普诺夫函数,我们分析证明了收敛的报告的方法。理论研究表明,参与人的行动将被引导到纳什均衡的一个任意小的邻域,这也被模拟所证实。
2022-09-02 math.OC
Counterclockwise Dissipativity, Potential Games and Evolutionary Nash Equilibrium Learning
本文利用逆时针耗散性统一了势博弈与动态支付机制下的演化纳什均衡学习,证明连续无记忆支付机制为CCW当且仅当其为势博弈,并证明由模仿规则和连续δ-耗散规则张成的凸锥中的规则均能实现纳什均衡学习。
2024-08-01 cs.GT cs.SY eess.SY
Sliding-Mode Nash Equilibrium Seeking for a Quadratic Duopoly Game
本文提出一种基于分布式滑模控制与极值搜索的无模型方法,实现双寡头非合作博弈中纳什均衡的有限时间稳定收敛,并通过仿真验证了理论结果。
2024-05-24 cs.SY eess.SY math.OC
Quasi-Leontief utility functions on partially ordered sets II: Nash equilibria
证明了在适当的条件下,具有拟Leontief支付函数$u_i : \prod_{j=1}^nX_j\to\mathbb{R}$的抽象博弈存在纳什均衡。当所有的支付函数都是全局拟Leontief时,有效Nash均衡的存在性和特征主要由第一部分的分析得出。当支付函数分别是拟列昂惕夫函数时,问题就有些复杂了。假设所有的策略空间都是紧的拓扑半格,在支付函数适当的连续条件下,利用Eilenberg-Montgomery不动点定理和拓扑半格的一些非平凡性质,证明了定义在绝对收缩核上的无圈值上连续映射存在有效的Nash均衡.所讨论的映射定义在Nash平衡点集上,并且它的不动点恰好是有效Nash平衡点。
2011-02-14 math.OC
A distributed generalized Nash equilibrium seeking algorithm based on extremum seeking control
针对一类具有耦合等式约束的非合作对策,提出了一种将极值搜索控制(ESC)与学习算法相结合的分布式非模型搜索算法,用于求解广义纳什均衡(GNE).每个智能体的策略同时受到耦合的智能体间约束和局部不等式约束的约束。由于ESC的存在,在实现GNE搜索算法时,不需要知道Agent的费用函数和局部约束的具体表达式,也不需要知道其他Agent的策略。为了处理耦合约束,只有拉格朗日乘子在代理之间传递,并具有有关耦合约束的一些先验信息。此外,在搜索算法中设计了一个减小抖动的信号,以消除不希望的稳态振荡。利用奇异扰动理论、平均分析和李雅普诺夫稳定性理论分析了所设计搜索算法的非局部收敛性。数值算例验证了该方法的有效性。
2022-01-26 math.OC
Fast Distributed Nash Equilibrium Seeking in Monotone Games
本文针对单调凸博弈提出一种基于算子外推的分布式纳什均衡求解算法,在参与者仅能通过通信图与邻居交互的条件下实现几何收敛,并优于已有方法的收敛速度。
2025-07-15 math.OC
A continuous-time distributed generalized Nash equilibrium seeking algorithm over networks for double-integrator agents
我们考虑一个系统的单或双积分代理在网络上玩广义纳什博弈,在部分信息的情况下。我们解决了广义纳什均衡寻求问题,设计一个完全分布式的动态控制器,基于连续时间的共识和原始-对偶梯度动力学。我们的主要技术贡献是显示收敛的闭环系统的变分平衡,强单调性和Lipschitz连续性的游戏映射,利用单调性和稳定性理论的投影动力系统。
2020-03-02 cs.MA cs.SY eess.SY
Lie-Bracket Nash Equilibrium Seeking with Bounded Update Rates for Noncooperative Games
本文提出一种基于分布式李括号极值搜索的无模型方法,用于二次非合作博弈中纳什均衡的局部收敛,通过李括号近似和李雅普诺夫直接法进行稳定性分析,并量化残差集大小,在寡头垄断示例上验证了理论结果。
2025-01-21 cs.SY eess.SY math.OC
Distributed Nash Equilibrium Seeking with Limited Cost Function Knowledge via A Consensus-Based Gradient-Free Method
本文考虑了一个分布式纳什均衡寻求问题,其中局中人只能部分访问其他局中人的行动,如他们的邻居的行动。因此,游戏者应该相互沟通,以估计其他游戏者的行动。针对该问题,提出了一种领导者跟随一致无梯度分布式纳什均衡搜索算法。该算法只利用局中人的局部费用函数的测量值,而不需要知道其显式表达式,也不要求其光滑性。因此,该算法在整个更新过程中是无梯度的。此外,还分别研究了步长减小和步长不变时算法纳什均衡的收敛性。具体地说,在步长减小的情况下,局中人的行为几乎必然收敛到纳什均衡,而在步长固定的情况下,局中人的行为收敛到纳什均衡的邻域.通过数值模拟验证了该算法的性能。
2020-03-28 math.OC
Resilient Nash Equilibrium Seeking in the Partial Information Setting
目前的研究在分布式纳什均衡(NE)寻求在部分信息设置假设,信息是“真实”的代理之间进行交换。然而,在一般的非合作对策代理可能会考虑发送错误的信息,以进一步降低其成本的目标,邻近的代理。此外,通信网络容易受到游戏外代理的攻击以及通信故障。在本文中,我们提出了一种分布式NE搜索算法,该算法对传输噪声,随机信号,恒定信号,欺骗性消息的敌对代理具有鲁棒性,并且对诸如掉线通信,干扰信号和中间人攻击等外部因素具有弹性。使问题具有挑战性的核心问题是,代理人没有办法验证他们收到的信息是否正确,即没有“地面真相”。为了解决这个问题,我们使用了一个观察图,它给出了真实的动作信息,结合一个通信图,它给出了(可能不正确的)信息。通过过滤从这两个图中获得的信息,我们表明,我们的算法是弹性对抗代理和收敛到纳什均衡。
2021-11-26 math.DS math.OC
Distributed Nash Equilibrium Seeking for Constrained Aggregative Games over Jointly Connected and Weight-Balanced Switching Networks
针对联合连通且权重平衡的切换网络上的约束聚合博弈,结合投影梯度与动态平均一致性算法,通过时变李雅普诺夫分析证明系统指数稳定性,实现分布式纳什均衡求解。
2025-02-25 math.DS math.OC
Distributed Nash Equilibrium Seeking in Non-Monotone Games over the Simplex
本文研究单纯形上非单调凸博弈的分布式纳什均衡求解问题,通过香农熵正则化和多目标优化刻画近似均衡,并提出两种分布式启发式算法。
2025-07-17 math.OC
Fully Distributed Adaptive Nash Equilibrium Seeking Algorithm for Constrained Noncooperative Games with Prescribed Performance
针对约束非合作博弈,提出一种全分布式自适应纳什均衡寻求算法,利用自适应惩罚、时变增益和余弦时间转换实现规定时间稳定,并通过电力市场仿真验证。
2024-11-06 math.OC
Nash Equilibrium Seeking for Games in Second-order Systems without Velocity Measurement
研究了局中人为二阶积分型动态博弈的纳什均衡寻求策略的设计问题。在实际工程系统中,速度信号通常是有噪声的或不能用于反馈控制的,本文假设速度信号是参与者不能获得的。针对无速度测量的情况,设计了两种估计器,并在此基础上构造了纳什均衡搜索策略。第一种策略是通过采用与参与者的动态具有相同阶数的观测器来估计不可用的系统状态(例如,玩家的速度)。第二种策略是基于高通滤波器设计的,其动机是降低闭环系统的阶数,从而降低搜索算法的计算成本。扩展纳什均衡寻求网络游戏。利用领导者遵循一致性协议的优点,基于过滤器的方法和基于过滤器的方法都可以适用于分布式系统中的博弈,这表明了所开发策略的可扩展性。通过李雅普诺夫稳定性分析,分析证明了利用所提出的无速度纳什均衡搜索策略,局中人的行动可以被调节到纳什平衡点,其速度可以被调节到零。最后给出了一个数值算例,验证了算法的有效性.
2020-06-17 math.OC
Distributed forward-backward (half) forward algorithms for generalized Nash equilibrium seeking
我们提出了两个分布式算法计算的广义纳什均衡单调游戏。第一个算法遵循向前-向后-向前算子分裂,而第二个算法遵循向前-向后-半向前算子分裂,它要求游戏的伪梯度映射是协迫的。最后,我们通过数值实验将它们与分布式预处理前后向算法进行了比较。
2020-02-14 cs.GT cs.SY eess.SY
Characterization of Feedback Nash Equilibrium for Differential Games
研究了两人微分对策的纳什均衡支付集。本文的主要结果是用非光滑分析刻画了纳什均衡收益集。并得到了一对连续函数存在Nash均衡的充分条件。这一结果推广了Hamilton-Jacobi方程组方法。
2010-05-04 math.OC
A damped forward-backward algorithm for stochastic generalized Nash equilibrium seeking
考虑了一个具有期望值费用函数的随机广义纳什均衡问题。受Yi和Pavel(Automatica,2019)的启发,我们通过利用向前-向后算子分裂和合适的预处理矩阵提出了一种分布式GNE搜索算法。具体地说,我们将这种方法应用到随机GNEP,其中,在每次迭代中,伪梯度的期望值通过多个随机样本来近似。我们的主要贡献是显示几乎必然收敛我们提出的算法,如果样本量增长足够大。
2020-02-14 cs.GT cs.SY eess.SY
Distributed Nash Equilibrium Seeking for Monotone Generalized Noncooperative Games by a Regularized Penalty Method
本文研究了具有集合约束和共享仿射不等式约束的单调广义非合作对策的分布式Nash均衡求解问题。提出了一种分布式正则化惩罚方法。其思想是使用一个具有时变罚参数的可微罚函数来处理不等式约束。通过引入时变正则化项,解决了单调性假设和时变惩罚项引起的病态问题。证明了该对策的最小范数变分均衡的渐近收敛。数值算例表明了该算法的有效性和效率。
2020-10-25 math.OC
Nash equilibrium seeking under partial decision information: Monotonicity, smoothness and proximal-point algorithms
我们解决纳什均衡问题的部分决策信息的情况下,每个代理只能与一些邻居交换信息,而其费用函数可能取决于所有代理的策略。我们刻画了文献中假设的几个单调性和光滑性条件之间的关系。此外,我们证明了一个预处理的邻近点法的收敛性,在限制单调性属性,允许非Lipschitz,非连续对策映射。
2022-06-23 cs.GT cs.MA math.OC
Fully Distributed Nash Equilibrium Seeking for High-order Players with Bounded Controls and Directed Graphs
本文研究了局中人对其他局中人行动的了解有限的博弈中的分布式纳什均衡寻求问题。特别是,所涉及的球员被认为是高阶积分器,其控制输入约束在一个预先指定的区域内。首先利用一个线性变换的球员的动力学,以方便设计的有界控制输入结合多个饱和功能。通过引入具有自适应和时变增益的共识协议,对参与者的未知行为进行了分布式估计。然后,利用一个完全分布式的纳什均衡寻求策略,展示其显着的性质:i)确保控制输入的有界性; ii)避免任何全局信息/参数; iii)允许图是有向的。基于李雅普诺夫稳定性分析,从理论上证明了所提出的分布式控制策略能够使所有局中人的行动趋于纳什均衡。最后通过算例验证了该方法的有效性。
2021-08-14 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
Distributed Nash Equilibrium Seeking in Aggregative Games over Jointly Connected and Weight-Balanced Networks
该研究针对联合连通且权平衡的网络场景,提出新方法解决现有聚合博弈分布式纳什均衡求解方法依赖网络连通性的问题,证明了闭环系统输出可指数收敛到未知纳什均衡点。
2024-05-13 math.OC
Distributed Nash Equilibrium Seeking for Games in Systems with Unknown Control Directions
研究了不确定网络系统在控制方向未知的情况下的分布式纳什均衡求解问题。更具体地说,玩家的动态应该是一阶或二阶系统,其中控制方向是未知的,有参数不确定性。为了实现分布式纳什均衡搜索,提出了基于Nussbaum函数的策略,分别设计了优化模块和状态调节模块。优化模块生成一个参考轨迹,可以搜索纳什均衡,状态调节模块。状态调节器被设计为将玩家的动作引导到参考轨迹。在状态调节模块中引入了自适应律来补偿参与者动态中的不确定参数,并引入了Nussbaum函数来解决控制方向的不可用性。完全分布式实现所提出的算法进行了讨论和研究。通过我们的分析探索,我们表明,所提出的寻求策略可以驱动的球员的行动的纳什均衡渐近,而不需要均匀的球员的未知控制方向的基础上Barbalat引理。最后给出了一个数值例子来支持所提算法的理论分析。
2020-09-27 math.OC
Bayesian Nash Equilibrium Seeking for Distributed Incomplete-information Aggregative Games
本文研究不完全信息聚合博弈的分布式贝叶斯纳什均衡寻求问题,通过离散化连续类型克服非紧策略集带来的障碍,证明了离散模型均衡是ε-BNE,并提出并证明了具有收敛性的分布式算法。
2023-01-11 cs.GT math.OC
Momentum-Based Nash Set Seeking over Networks via Multi-Time Scale Hybrid Dynamic Inclusions
多时间尺度技术,如奇异扰动和平均理论,在网络系统的分布式纳什均衡搜索算法的发展中发挥了重要作用。这种技术本质上依赖于在闭环系统的每个时间尺度中演化的动态的一致渐近稳定性。当这些属性不存在时,合成多时间尺度纳什均衡搜索算法更具挑战性,需要额外的正则化机制。在本文中,我们调查的背景下,这些机制的合成和分析的加速伪梯度流与时变阻尼的非合作对策。具体来说,我们引入了一类新的分布式和混合纳什集搜索(NSS)算法,协同结合动态动量为基础的流量与协调离散时间重置。重置机制可以被看作是重新启动技术,允许单个玩家选择自己的动量重新启动策略,以实现更好的瞬态性能。所得到的闭环系统建模为混合动力包含,这是分析使用工具,从混合动力系统的理论。我们的算法开发的潜在的游戏,以及单调的游戏,其中的势函数不存在。它们可以在游戏中实现,其中玩家可以访问具有全部或部分信息的梯度神谕,以及在游戏中玩家只能访问其成本的测量。在后一种情况下,我们使用工具,从混合极值寻求控制,以实现加速无模型纳什集搜索。
2022-12-06 math.OC
Distributed Forward-Backward algorithms for stochastic generalized Nash equilibrium seeking
考虑了具有期望值费用函数的随机广义纳什均衡问题。受Yi和Pavel(Automatica,2019)的启发,我们提出了一种基于SGNEP的预处理前后向算子分裂的分布式GNE搜索算法,其中,在每次迭代中,伪梯度的期望值通过许多随机样本来近似。作为主要贡献,我们证明了当伪梯度映射是约束(单调)余强制的时,我们的算法是几乎必然收敛的。对于非广义SNEP,当伪梯度映射严格单调时,我们也证明了其几乎必然收敛。数值模拟表明,提出的前向-后向算法似乎比其他可用的算法更快。
2020-02-21 cs.GT math.OC
Stochastic generalized Nash equilibrium seeking under partial-decision information
我们首次考虑了随机广义纳什均衡问题,即,期望值费用函数和联合可行性约束,在部分决策信息,这意味着代理只与一些可信的邻居通信。我们提出了几个分布式算法的网络游戏和聚合游戏,我们表明是一个预处理的前向向后分裂方法的特殊情况。我们证明了算法收敛到一个广义Nash平衡时,向前的操作是限制的余度,通过使用随机逼近方案与方差减少估计的期望值的伪梯度。
2021-05-31 cs.GT cs.SY eess.SY
Stochastic generalized Nash equilibrium seeking in merely monotone games
本文研究了具有期望值费用函数的单调博弈中的随机广义纳什均衡问题。具体来说,我们提出了第一个分布式SGNE寻求算法的单调游戏,需要一个邻近计算(例如,一个投影步骤)和每次迭代一个伪梯度评估。我们的主要贡献是将Malitsky(数学规划,2019)的放松的前向-后向算子分裂扩展到随机情况,并且当伪梯度的期望值近似于多个随机样本的平均值时,又显示出几乎必然收敛到SGNE。
2021-07-14 cs.GT cs.SY eess.SY
Nash Equilibrium Seeking Over Directed Graphs
在本文中,我们的目标是开发分布式连续时间算法在有向图上寻找纳什均衡的非合作对策。受最近基于一致性的设计的启发,我们提出了一个分布式算法的权重平衡的有向图的比例增益。通过进一步嵌入一个分布估计的左特征向量与零特征值的图Laplacian,我们将其扩展到任意强连接有向图的情况下,可能有不平衡的重量。在这两种情况下,纳什均衡被证明是完全达到指数收敛速度。最后通过一个算例说明了理论结果的有效性。
2022-04-18 math.OC
Learning generalized Nash equilibria in multi-agent dynamical systems via extremum seeking control
本文研究强单调对策中广义纳什均衡的学习问题。首先,我们提出了一种新的连续时间求解算法,使用定期投影和一阶信息。作为第二个主要贡献,我们设计了一个数据驱动的前一种算法的变体,每个代理通过零阶信息,即测量他们的个人代价函数值,作为典型的极值寻求控制,估计他们的个人伪梯度。第三,我们推广我们的设置和结果的多智能体系统的非线性动力学。最后,我们将我们的算法应用于机器人传感器网络的连接控制和分布式风电场优化。
2020-07-21 cs.SY eess.SY math.OC
A Communication-Efficient and Differentially-Private Distributed Generalized Nash Equilibrium Seeking Algorithm for Aggregative Games
本文针对聚合博弈中带宽受限的分布式广义纳什均衡求解问题,提出一种结合事件触发通信与信息压缩的通信高效算法,同时节省传输轮次和比特数,并证明其收敛性及在随机量化下实现$(0,δ)$-差分隐私。
2025-03-11 math.OC
Strong and safe Nash equilibrium in some repeated 3-player games
我们考虑一个标准形式的三人博弈,其中每个参与人有两个行动。我们假设这个博弈是对称的,并且重复了无限次。在每个阶段,参与者只知道前几个阶段所有参与者的平均收益就做出了选择。重复博弈中参与者的策略是定义在支付集的凸包上的函数。我们的目标是在重复博弈中构建一个强纳什均衡,即一个抵抗联盟偏差的策略。构造的均衡策略是安全的,即非偏离局中人的收益不小于阶段博弈的均衡收益,偏离局中人的收益不超过非偏离局中人的收益大于一个正的常数,该常数可以是任意小的,由非偏离局中人选择。我们的构造受到Smale在\cite{smale}中描述的好策略的启发,其中考虑了重复的囚徒困境。在证明中,我们使用基于可接近性和强可接近性类型结果的参数。
2018-05-15 math.OC
Bregman algorithms for mixed-strategy generalized Nash equilibrium seeking in a class of mixed-integer games
我们考虑的问题计算的混合策略广义纳什均衡(MS-GNE)的一类游戏中,每个代理人都有连续和整数决策变量。具体来说,我们提出了一种新的Bregman前向反射后向分裂和分布式算法,利用问题的结构设计。从技术上讲,我们证明了收敛到变分MS-GNE仅仅单调性和Lipschitz连续性假设下,这是典型的连续GNE问题。最后,我们通过数值实验表明我们的算法的性能。
2022-06-13 cs.MA cs.SY eess.SY
Gradient-Free Nash Equilibrium Seeking in N-Cluster Games with Uncoordinated Constant Step-Sizes
研究了$N$ -集群非合作对策中普遍存在的同时全局代价最小化和纳什均衡寻求问题。具体地说,在同一个集群中的代理合作,以最小化的全球费用函数,是他们的个人费用函数的总和,并共同发挥与其他集群作为球员的非合作对策。对于问题设置,我们假设代理的局部费用函数的显式解析表达式是未知的,但函数值可以测量。我们提出了一个无梯度纳什均衡搜索算法的高斯平滑技术和梯度跟踪的综合。此外,而不是使用统一的协调步长,我们允许代理在不同的集群选择不同的常数步长。当最大步长足够小时,证明了在强单调博弈映射条件下,当误差间隙与最大步长和平滑参数成正比时,智能体的行为线性收敛到唯一Nash均衡的邻域.通过数值模拟验证了该算法的性能。
2022-03-17 math.OC
Forward-Backward algorithms for stochastic Nash equilibrium seeking in restricted strongly and strictly monotone games
研究了具有期望值费用函数的随机纳什均衡问题,其伪梯度满足仅关于解的限制单调性。本文提出了一个向前向后算法,并证明了它在伪梯度映射的限制强单调性、限制严格单调性和限制余强制性下的收敛性。为了近似期望值,我们使用有限的样本个数和消失的步长,或者使用增加的样本个数和恒定的步长。数值模拟表明,我们提出的算法可能比现有的算法更快。
2021-11-04 math.OC
Contractivity of Distributed Optimization and Nash Seeking Dynamics
本文从收缩理论视角研究分布式优化与纳什均衡寻求动态,给出鞍点矩阵对数范数新界,建立分布式梯度流在不变子空间上的强收缩性,并给出伪梯度与最优响应博弈中强收缩的充分条件及其等价性。
2023-09-21 cs.SY eess.SY math.OC
Distributed Nash Equilibrium Seeking under Partial-Decision Information via the Alternating Direction Method of Multipliers
在本文中,我们考虑在一般连通网络上的多人博弈中寻找纳什均衡的问题。该模型与传统设置的不同之处在于,参与者具有关于其对手的动作的部分信息,并且通信图不一定与参与者的成本依赖图相同。我们开发了一个相对快速的算法框架内的不精确ADMM,基于本地的球员之间的信息交换。在固定步长下证明了算法收敛于Nash均衡,并分析了算法的收敛速度。数值模拟说明了它的好处相比,一个基于共识的梯度型算法,减少步长。
2019-02-09 math.OC
Dual Privacy Guarantees for Distributed Nash Equilibrium Seeking in Aggregative Games
School of Automation, Nanjing University of Science and Technology(南京理工大学自动化学院)
针对聚合博弈中的隐私保护分布式纳什均衡求解问题,提出一种结合随机事件触发与随机量化的差分隐私机制,通过双重随机性实现严格差分隐私并保证收敛性。
2026-05-26 math.OC
Precision game engineering through reshaping strategic payoffs
本文提出一种基于混合整数线性规划的博弈工程框架,通过最优扰动策略收益来重塑博弈,从而在复杂博弈中高效实现期望纳什均衡并排除不期望均衡。
2024-03-29 cs.GT math.OC
A discrete-time averaging theorem and its application to zeroth-order Nash equilibrium seeking
在本文中,我们提出了一个平均技术适用于零阶纳什均衡寻求算法的设计。首先,我们提出了一个多时标离散时间平均定理,只需要平衡是半全球实际稳定的平均系统,同时也允许平均系统依赖于“快速”状态。此外,该定理的顺序应用是可能的,这使得其用于多层算法设计。其次,我们应用上述平均定理证明半全局实际收敛的零阶信息变量的离散时间投影伪梯度下降算法,在强单调,约束纳什均衡问题的背景下。第三,利用平均理论证明了求解强单调无约束Nash均衡问题的异步伪梯度下降算法的半全局实用收敛性。最后,我们将所提出的异步算法应用于多智能体系统的连通性控制问题。
2023-02-09 cs.SY eess.SY math.OC
Distributed Nash Equilibrium Seeking via the Alternating Direction Method of Multipliers
University of Toronto(多伦多大学)
本文提出一种基于近似ADMM的快速算法,用于求解多玩家博弈的纳什均衡,通过通信图和轻微的函数假设实现收敛性证明与收敛率分析。
2016-12-01 cs.GT cs.SY eess.SY
Distributed Nash equilibrium seeking for aggregative games with coupled constraints
本文研究了具有耦合约束的聚合对策的分布式连续时间设计问题,目的是通过简单的局部信息交换,由一组代理寻求广义Nash均衡。为了解决这个问题,我们提出了一个分布式算法的基础上投影动力学和非光滑跟踪动力学,即使在多智能体网络的交互拓扑结构是时变的情况下。利用分布式对策的特殊结构,结合变分不等式和李雅普诺夫函数的技巧,证明了分布式对策非光滑算法的收敛性.
2017-02-23 math.OC
Nash Equilibrium Seeking for High-order Multi-agent Systems with Unknown Dynamics
本文研究了一类动态未知的高阶多智能体系统的纳什均衡搜索问题。不同于现有的结果,单积分器,我们的目标是引导这类不确定的高阶代理的输出,一些非合作博弈的纳什均衡在一个分布式的方式。为了克服高阶结构、未知的非线性和监管要求带来的困难,我们首先为每个代理引入一个虚拟玩家,并为他们解决一个辅助的非合作博弈。然后,我们开发了一个分布式的自适应协议,通过嵌入这个辅助游戏动态到一些适当的跟踪控制器的原始代理来解决这个问题。在一定的激励持续存在条件下,讨论了参数的收敛问题。数值算例验证了算法的有效性。
2021-01-08 cs.SY eess.SY math.OC