Routing Equilibrium in Mixed-Autonomy Traffic Networks with Altruistic Autonomous Agents
Northwestern University(西北大学)
本文通过变分不等式框架研究混合自主交通网络中自私人类与利他自主车辆的路由博弈均衡,给出社会成本改善或恶化的充分条件,并证明分散与集中场景下的均衡等价性。
2026-05-22 cs.GT cs.SY eess.SY
Social Learning in Nonatomic Routing Games
考虑了一个需求可变、费用不确定的离散时间非原子路由博弈问题。给定一个单起点和单终点的路由网络,每条边的代价函数依赖于某个不确定的持久状态参数。在每个周期,一个随机的交通需求是通过网络根据Wardrop均衡路由。已实现成本是公开观测的,并且关于状态参数的公共贝叶斯信念被更新。我们说,当信念收敛于真理时,存在强学习,而当平衡流收敛于完整信息流时,存在弱学习。我们描述了学习发生的网络。我们证明了这些网络具有串并联结构,并提供了一个反例来表明,学习可能会失败,在非串并联网络。
2021-10-01 cs.GT econ.TH
Hardness Results for Signaling in Bayesian Zero-Sum and Network Routing Games
我们研究了贝叶斯博弈中完全知情的委托人所面临的最优化问题,委托人向参与者透露有关自然状态的信息,以获得理想的均衡。这个信号问题是游戏中不确定性激发的自然设计问题,最近引起了广泛的关注。我们提出了新的硬度结果信号问题(a)贝叶斯两人零和游戏,(b)贝叶斯网络路由游戏。对于贝叶斯零和博弈,当主要寻求最大化的均衡效用的球员,我们表明,它是NP-难获得的添加剂FPTAS。我们的硬度证明以一种新的方式利用了对偶性和分离与优化的等价性。此外,我们排除了添加剂PTAS假设种植集团硬度,这表明没有多项式时间算法可以从Erdens-Rényi随机图恢复种植集团。补充这些,我们得到一个PTAS的结构类零和游戏(其中获得FPTAS仍然是NP-难)时,支付矩阵服从Lipschitz条件。以前的结果排除了FPTAS假设种植集团硬度,和PTAS只为隐式游戏与准多项式大小的策略集。对于贝叶斯网络路由游戏,其中的主要目的是尽量减少纳什流的平均延迟,我们表明,它是NP-难获得(乘法)$(4/3 - ε)$ -近似,即使是线性延迟函数。这是最佳的不可逼近性的结果,线性laundry,因为我们表明,充分的启示实现了$(4/3)$ -近似线性laundry。
2016-10-30 cs.DS cs.GT
Phase Transitions of the Price-of-Anarchy Function in Multi-Commodity Routing Games
本文研究多商品路由博弈中无政府代价随需求变化的相变,证明比例需求下断点处单侧导数与较小均衡支撑集关联,并给出非比例需求的反例。
2024-02-07 cs.GT math.OC
Stochastic Prediction Equilibrium for Dynamic Traffic Assignment
University of Passau(帕绍大学)
提出统一框架整合个体路径决策、网络状态随机预测与物理流动态,证明随机预测均衡的存在性与唯一性。
2026-06-25 cs.GT math.OC
Selfish routing games with priority lanes
School of Mathematics and Statistics, Northwestern Polytechnical University(西北工业大学数学与统计学院);Department of Applied Mathematics, University of Twente(特温特大学应用数学系)
本文提出了一种基于优先车道的自私路由机制,通过边际成本定价实现系统最优,证明了优先费用等于边际外部成本时,均衡流量与社会最优一致,且无序价格为1。
2026-02-06 cs.GT
Optimal Tolling for Multitype Mixed Autonomous Traffic Networks
当自私的用户共享一个道路网络并最小化他们的个人出行成本时,他们达到的均衡可能比社会最优路径更差。在传统的拥堵博弈中,通行费通常被用来缓解这种影响,在传统的拥堵博弈中,所有车辆对拥堵的贡献都是相同的。然而,随着自动驾驶汽车和驾驶辅助技术的普及,车辆在如何影响道路延迟方面变得不同。这放大了由于自私路由而导致的潜在低效率,并使传统的收费方法无效。为了解决这个问题,我们考虑一个网络的平行道路上的每一条道路的延迟是一个仿射函数的流量的每种车辆类型。我们提供的通行费(区分车辆类型)保证在均衡时最大限度地减少社会成本。通行费是一个函数的计算出的最佳路线,使这种收费,我们证明了一些元素的最佳路线的集合中有一个缺乏周期的图形表示的方式车辆类型共享道路。然后,我们表明,除非规划者可以区分车辆类型的通行费,由此产生的均衡可以无限差于最优路由,边际成本收费失败,在我们的设置。
2020-09-01 cs.GT math.OC
Continuum Equilibria and Global Optimization for Routing in Dense Static Ad Hoc Networks
我们认为大规模密集的ad hoc网络和研究其连续性的限制,节点密度的增加,并提供可用的路由图成为一个连续的区域与位置和拥塞相关的成本。我们研究了全局最优解以及大量用户之间的非合作路由问题,其中每个用户寻求从其起点到目的地的路径,以最小化其个人成本。最后,我们寻求一个(连续版本的)Wardrop均衡。我们首先展示了如何推导出有意义的成本模型作为网络容量和节点密度的缩放特性的函数。我们提出了各种解决方法的问题:(1)粘度解决方案的Hamilton-Jacobi-Bellman方程,为全局优化问题,(2)的方法基于格林定理的最小成本问题的个人,和(3)的Wardrop平衡问题的解决方案,使用转换成一个等价的全局优化问题。
2009-10-29 cs.GT
A Stackelberg Strategy for Routing Flow over Time
路由博弈被用来理解个人用户的决策对网络效率的影响。大多数路由游戏的现有工作使用一个简化的网络流模型,其中所有的流量同时存在,用户关心他们的最大延迟或总延迟。这两种度量都是测量用户的所有流量通过网络所需时间的替代。我们试图更直接的研究竞争如何影响网络效率,通过检查路由游戏的流量随时间的模型。我们给出了一个有效的可计算的Stackelberg策略,这个模型,并表明,在这种策略下的竞争均衡是不差于一个小常数倍的最优,两个自然的最优性措施。
2010-10-14 cs.GT
The route to chaos in routing games: When is Price of Anarchy too optimistic?
路由游戏是研究最多的游戏类别之一。它们的两个最著名的性质是学习动态收敛到均衡,并且所有均衡都是近似最优的。在这项工作中,我们通过研究无处不在的动态,乘法权重更新,在不同类别的拥塞游戏,揭示复杂的非平衡现象,这些经典的结果进行压力测试。随着系统需求的增加,学习动态经历倍周期分叉,导致不稳定,混乱和大的低效率,即使在最简单的情况下,非原子路由游戏的两条路径的线性成本的无政府代价等于一。从这个简单的类开始,我们证明了每个系统都有一个承载能力,超过这个承载能力,系统就会变得不稳定。如果平衡流是对称的$50-50\%$分裂,系统表现出一个倍周期分岔。一个周期为2的周期吸引子取代了吸引不动点。虽然无政府状态的无政府代价等于1,但在大人口限制下,除了零测度初始条件集之外,所有初始条件的时间平均社会成本收敛于其最坏可能值。对于非对称平衡流,增加需求最终迫使系统进入具有正拓扑熵和所有可能周期的周期轨道的Li-Yorke混沌。值得注意的是,在所有非平衡状态下,路径上的时间平均流量都精确地收敛到平衡流量,这一特性类似于零和游戏中的无悔学习。这些结果是稳健的。我们将其扩展到路由游戏与任意多个战略,多项式成本函数,非原子以及原子路由游戏和异质用户。我们的结果也适用于任何序列的收缩学习率,例如,$1/\sqrt{T}$,通过允许动态增加种群大小。
2019-11-24 cs.GT econ.GN math.DS
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
Learning an Unknown Network State in Routing Games
我们研究了近视旅行者在未知状态的交通网络上反复玩路由游戏引起的学习动态。状态影响网络的一个或多个边缘的成本函数。在每个阶段中,旅行者根据基于国家公众信任的Wardrop均衡进行路径选择。该信念由信息系统广播,该信息系统观察所使用的边上的边负载和实现的成本,并且对前一阶段的信念执行贝叶斯更新。我们表明,由重复播放产生的公共信念和边缘负载向量的序列几乎肯定收敛。在任何休息点,旅行者都没有动力偏离所选路线,并准确地了解使用过的边缘的真实成本。然而,未使用的边上的成本可能无法准确地获知。因此,学习可以是不完全的,因为在静止点和完全信息均衡的边缘负载向量可以是不同的。我们提出了一些条件,完全学习,并说明情况下,这样的结果是不能保证的。
2019-05-11 cs.GT cs.MA
Equilibria in routing games with connected autonomous vehicles may not be strong, as exclusive clubs may form
Jagiellonian University(雅盖隆大学)
本文通过玩具网络示例证明,联网自动驾驶车辆可形成排他性联盟偏离用户均衡,使自身受益但损害他人与系统公平,揭示CAV精英群体可能引发交通失衡与公平性问题。
2026-10-30 cs.GT cs.MA
Dynamic Interference Minimization Routing Game for On-Demand Cognitive Pilot Channel
在本文中,我们介绍了一种分布式的动态路由算法,为次用户(SU),以最大限度地减少他们对主用户(PU)的干扰,在多跳认知无线电(CR)网络。我们使用具有松弛因子的中轴作为参考路径,其取决于PU的状态。沿着轴,我们构建了一个层次结构的多个源到达认知导频信道(CPC)基站。我们使用一个时间和空间的动态非合作博弈模型之间的相互作用,以及从PU的网络的多跳结构的SU的影响。提出了一种多阶段虚拟游戏学习算法,用于多跳CR网络中的分布式路由。利用逆向归纳法得到了封闭形式的动态博弈的混合(行为)纳什均衡策略集。该算法以最优的分布式方式使SU节点到CPC基站路由路径上的总体干扰和平均分组延迟最小化
2010-08-28 cs.GT
On the Hardness of Network Design for Bottleneck Routing Games
在路由游戏中,如果我们从网络中删除一些边,平衡时的网络性能可以显着提高。这个违反直觉的事实,广为人知的Braess悖论,引起了(自私)网络设计问题,我们试图认识到路由游戏遭受的悖论,并提高均衡性能的边缘删除。在这项工作中,我们研究的计算复杂性和非原子瓶颈路由游戏的网络设计问题的可逼近性,其中每个球员的个人成本是她的路径的瓶颈成本,和社会成本是网络的瓶颈成本。我们首先表明,瓶颈路由游戏不遭受Braess的悖论,如果网络是串并联的,或者如果我们只考虑子路径最优纳什流。在消极的一面,我们证明了,即使是严格增加的线性laps的游戏,它是NP-难的,不仅要识别的实例遭受的悖论,而且要区分的情况下,无政府代价(PoA)可以减少到1和实例的PoA是一样大的Ω(n^{0.121}),不能改善边缘删除。因此,对于任何常数\eps > 0,这类游戏的网络设计问题是NP-难的,要在O(n^{0.121- \eps })的因子内近似。在积极的一面,我们展示了如何计算一个几乎最优的子网w.r.t.当最佳子网中的最差纳什流在所有使用的边上路由不可忽略的流量时,其最差纳什流的瓶颈成本。算法的运行时间由路径总数决定,当路径数为拟多项式时,算法的运行时间为拟多项式。
2012-07-22 cs.GT
Uncertainty in Multi-Commodity Routing Networks: When does it help?
我们研究了一个多商品自私路由博弈中的均衡行为,其中有许多类型的不确定用户,每个用户高估或低估他们的拥塞成本的乘法因子。令人惊讶的是,我们发现,在不同的方向上的不确定性有定性不同的影响均衡。也就是说,与通常认为不确定性会增加效率低下的观点相反,当用户高估其成本时,网络拥塞实际上会减少。另一方面,对成本的低估导致拥堵加剧。我们将这些结果应用于城市交通网络,其中司机对拥堵成本有不同的估计。在旨在解决拥堵的动态定价政策,我们的研究结果表明,用户对这些价格的看法可以显着影响政策的有效性,和“谨慎面对不确定性”导致有利的网络条件。
2018-01-11 cs.GT
Network Flow Routing under Strategic Link Disruptions
Massachusetts Institute of Technology(麻省理工学院)
本文研究了在网络链路破坏下双玩家战略博弈中的流量路由问题,通过线性规划对偶性和最大流最小割定理分析,揭示了纳什均衡下的支付对称性和参数影响规律。
2016-01-26 cs.GT cs.SY eess.SY
Load Balancing Congestion Games and their Asymptotic Behavior
路由博弈的一个核心问题是建立均衡的唯一性条件,无论是在网络拓扑结构方面还是在成本方面。这个问题在两类路由博弈中得到了很好的理解。第一种是Wardrop在1952年引入的非原子路由,在道路交通的背景下,每个参与者(汽车)都是无限小的;一辆车对拥堵的影响可以忽略不计。每辆车都希望尽量减少其预期延误。在任意拓扑下,这样的博弈已知具有凸势,因此具有唯一的均衡。第二个框架是可分裂的原子博弈:有100多个参与者,每个参与者控制着一个个体群体的路线(让他们成为道路交通中的汽车或通信网络中的数据包)。在本文中,我们研究了其他两个框架的路由游戏中,每个玩家有一个整数的连接(这是人口的数据包)路由,并有一个约束,连接不能被分割。通过一个特定的游戏,一个简单的三个链接拓扑结构,我们确定了各种新颖的和令人惊讶的属性,这些框架内的游戏。我们特别表明,即使在潜在的博弈设置罗森塔尔严格凸链接成本的均衡是非唯一的。我们进一步表明,非对称平衡出现在对称网络。I.引言路由游戏的一个中心问题是建立条件的唯一性的均衡,无论是在网络拓扑结构或成本方面。关于这些问题的综述见[1]。平衡点的唯一性问题已经在两个不同的框架中研究过。第一种,我们称之为F1,是Wardrop在1952年引入的非原子路由,在道路交通的背景下,每个参与者(汽车)都是无限小的;一辆车对拥堵的影响可以忽略不计。每辆车都希望尽量减少其预期延误。在任意拓扑结构…
2015-12-31 cs.GT
An Experimental Study on Learning Correlated Equilibrium in Routing Games
University of Southern California(南加州大学);Xtelligent, Inc.(Xtelligent公司)
我们研究路由选择在一个重复的路由游戏中,一个不确定的状态的性质决定了链路延迟函数,和代理接收私人路由建议。状态以i.i.d.采样。在每一轮中,从公开已知的分布中以一种方式,并且推荐由随机化策略生成,该随机化策略从状态的映射是公开已知的。在一个一次性的设置,代理人被认为是服从建议,如果它给出了最小的旅行时间在后验期望。重复设置的一个合理延伸是,在一轮中遵循推荐的可能性与前几轮的后悔有关。如果遗憾是满意型的默认选择,并在过去的回合和所有代理的平均值,然后在一个服从的建议政策下的渐近结果与一次性的结果相一致。我们报告的结果,从一个实验中的一个参与者在计算机上进行重复的路线选择决策的时间。在每一轮中,参与者被显示每条路线的旅行时间分布,由服从策略生成的路线推荐,以及暗示先前参与者的平均经验与推荐质量的评级。在输入路线选择后,将显示实际行驶时间。参与者通过提交评论来评估推荐的质量。这与历史评论相结合,以更新下一轮的评级。对33名参与者进行的100轮数据分析表明,展示评级与平均遗憾之间存在中度负相关关系,评级与遵循推荐的可能性之间存在强烈的正相关关系。总体而言,在服从的推荐策略下,在实验结束时,评级收敛到接近其最大值,并且具有非常高的推荐频率。
2022-07-31 cs.GT cs.HC cs.IR
The Burden of Risk Aversion in Mean-Risk Selfish Routing
考虑具有不确定时延的拥塞博弈,计算了风险规避代理在网络路由中引入的无效率。在平衡时,代理可以选择不使预期延迟最小化的路径,以便获得较低的可变性。一个社会规划者,谁可能是更风险中性比代理,因为它在一个更长的时间尺度上运作,量化的社会成本与总预期延误沿路线。从这个角度来看,代理人可能会做出降低长期质量的次优决策。我们定义{ \em风险厌恶价格}(PRA)为风险厌恶Wardrop均衡下的社会成本与代理人风险中性时的社会成本之比。对于一般的延迟函数和一个单一的源-汇对网络,我们表明,PRA线性依赖于代理的风险容忍度和网络中存在的可变性的程度。与{无政府状态的\em无政府代价}相反,一般情况下,当网络变大时,PRA会增加,但它不依赖于延迟函数的形状。为了得到这个结果,我们依赖于一个组合的证明,采用交替的路径,让人想起那些使用的最大流算法。对于{ \em series-parallel}(SP)图,PRA变得与网络拓扑及其大小无关。由于独立的利益,我们证明了SP网络确定性延迟,Wardrop平衡{ \em最大化}的最短路径目标之间的所有可行流。
2014-11-04 cs.GT
Pricing, Competition, and Routing for Selfish and Strategic Nodes in Multi-hop Relay Networks
我们研究了多跳中继网络中的定价博弈,其中节点自私地和策略性地为他们的服务定价并路由他们的流量。在这个博弈中,每个节点(1)宣布定价函数,该定价函数指定它根据路由到它的流量的数量向其相应客户要求的支付,并且(2)将它接收到的总流量分配给它的服务提供商。一个节点的利润是从服务他人获得的收入与使用他人服务的成本之间的差额。我们表明,这样的游戏的社会最优路由总是可以诱导的均衡,没有节点可以增加其利润,单方面改变其定价函数或路由决策。另一方面,也可能存在非效率均衡。我们通过推导无效率均衡下无政府状态无政府代价来描述效率损失。我们证明了对于边际成本函数为凹函数的寡头垄断,无政府状态的无政府代价是有限的,而对于一般拓扑和成本函数,无政府状态的代价是无限的。
2007-10-15 cs.GT
Average Unfairness in Routing Games
University of California, Berkeley(加州大学伯克利分校);Thayer School of Engineering at Dartmouth College(达特茅斯学院塔克工程学院)
本文提出平均不公平性作为路由游戏公平性的新度量,证明其优于其他两种不公平性度量,并分析了受约束系统最优问题。
2026-01-22 cs.GT cs.MA cs.SY