A "Quantal Regret" Method for Structural Econometrics in Repeated Games
我们提出了一个通用的方法来推断球员的价值观，从他们的行动在重复的游戏。该方法扩展并改进了（Nekipelov等人，EC 2015），并基于这样的假设，即玩家更有可能表现出后悔程度较低的行动序列。我们在两个不同的数据集上评估这种“量子遗憾”方法，这些数据集来自具有受控玩家值的重复游戏的实验：（Selten和Chmura，AER 2008）在各种两个玩家2x2游戏上的实验和我们自己在广告拍卖上的实验（Noti等人，WWW 2014）。我们发现，量子后悔方法是一致的，显着更精确的比任何“经典”的计量经济学方法，是基于纳什均衡，或“最小后悔”的方法（Nekipelov等人，EC 2015）。
2017-02-16 cs.GT
An Algorithm for Computing Stochastically Stable Distributions with Applications to Multiagent Learning in Repeated Games
通过随机稳定性的概念，获得了在重复博弈中的代理学习的均衡选择问题的建议的解决方案之一。学习算法被扰动，使得作为学习动态基础的马尔可夫链必然是不可约的，并且产生唯一的稳定分布。随机稳定分布是当扰动率趋于零时这些稳定分布的极限。本文给出了计算马尔可夫链随机稳定分布的第一个精确算法。我们使用我们的算法来预测样本重复游戏中简单学习算法的长期动态。
2012-07-04 cs.GT
Beyond Symmetry in Repeated Games with Restarts
该研究拓展了带重启的重复博弈的已有成果，分析非对称博弈下的通用均衡概念，刻画可激励的目标策略，证明最低成本行动序列问题一般为NP难，且社会福利最大化时存在伪多项式时间算法。
2025-05-20 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
Nash Equilibria of Two-Player Matrix Games Repeated Until Collision
本文提出 RUC 重复两人矩阵博弈，证明在温和支付矩阵条件下存在平稳纳什均衡，且所有均衡几乎唯一，并给出近似均衡计算方法。
2023-09-26 cs.GT
A Polynomial-time Nash Equilibrium Algorithm for Repeated Stochastic Games
我们提出了一个多项式时间算法，该算法总是为重复的两人随机游戏找到（近似）纳什均衡。该算法利用民间定理推导出一个战略概况，形成一个平衡，通过支持互利的行为与威胁，在可能的情况下。我们的算法的一个组成部分有效地搜索近似的平均点，最公平的帕累托有效的解决方案。本文最后通过将该算法应用于一组网格游戏来说明该算法发现的典型解决方案。这些解决方案相比，非常有利的竞争算法，导致更高的社会福利的战略，以及保证计算效率。
2012-06-13 cs.GT
Infinitely Repeated Quantum Games and Strategic Efficiency
本文建立一般重复量子博弈概念并证明量子民间定理，揭示强纠缠下量子囚徒困境中经典 Pareto 最优与相互合作未必构成均衡，并给出具体均衡策略。
2021-11-27 cs.GT quant-ph
Learning Equilibria in Games by Stochastic Distributed Algorithms
Ecole Polytechnique（巴黎综合理工学院）；Centre National de la Recherche Scientifique（法国国家科学研究中心）；Université de Versailles（凡尔赛大学）
我们考虑一类完全随机和完全分布式的算法，我们证明学习游戏中的均衡。事实上，我们考虑一个家庭的随机分布动力学，我们证明弱收敛（在概率过程的弱收敛的意义上）对他们的平均场极限，即在一般情况下的常微分方程（ODE）。然后，我们专注于一类随机动力学，这ODE原来是与多种群复制动力学。使用已知的事实收敛的常微分方程，我们讨论的初始随机动力学的收敛性：对于一般的游戏，可能会有不收敛，但当收敛的常微分方程举行，认为随机算法收敛到纳什均衡。对于允许李雅普诺夫函数的游戏，我们称之为李雅普诺夫游戏，随机动力学收敛。我们证明了任何序数潜在的游戏，因此任何潜在的游戏是一个李雅普诺夫游戏，多仿射李雅普诺夫函数。对于具有多仿射李雅普诺夫函数的李雅普诺夫对策，证明了该李雅普诺夫函数是随机动力系统上的上鞅。这导致了一种方法来提供他们的收敛时间的界限的鞅参数。这特别适用于许多类的游戏，已被认为是在文学，包括几个负载均衡游戏场景和拥塞游戏。
2009-07-10 cs.GT cs.LG
An Approximate Subgame-Perfect Equilibrium Computation Technique for Repeated Games
本文提出了一种近似的技术，以任何精度，子博弈完美均衡（SPE）的折扣重复游戏。该过程从SPE集合的单个超立方体近似开始。然后将初始超立方体逐渐划分为一组较小的相邻超立方体，而那些不包含任何属于SPE集合的点的超立方体同时被撤回。通过适当的数学程序验证了一个给定的超立方体是否可以包含一个平衡点。三种不同的配方的算法都近似计算的SPE支付和提取球员的策略，然后提出：前两个，不假设存在的外部协调球员之间，第三个，假设一定程度的协调，在游戏过程中凸化的连续支付后，任何重复的游戏历史。一个特别注意的问题，提取球员的策略和他们的有限自动机的形式，人工智能体系统的一个重要功能的可表示性。
2010-02-08 cs.GT
Efficient Strategy Computation in Zero-Sum Asymmetric Repeated Games
零和非对称博弈模型涉及两个竞争的玩家，他们对所玩的游戏有不同的信息。一个特殊的情况是嵌套信息，其中一个（知情的）参与者比另一个（不知情的）参与者拥有更好的信息。本文考虑了重复零和博弈中嵌套信息的情形，研究了有限时域和贴现无限时域嵌套信息博弈中知情和不知情局中人的策略计算问题。对于有限的地平线设置，我们利用这两个球员，安全策略，以及对手的相应的最佳对策只取决于知情的球员的历史行动。使用这个属性，我们完善的序列形式，并制定一个LP计算的球员策略，是线性的大小不知情的球员的行动集。对于无限时域折扣博弈，我们构造LP公式来计算双方的近似安全策略，并提供近似安全策略和安全策略之间的性能差异的界限。最后，我们说明了一个网络阻断游戏之间的通知系统管理员和穿制服的入侵者的结果。
2017-11-07 cs.GT
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
Efficient Stackelberg Strategies for Finitely Repeated Games
针对无贴现有限重复博弈的Stackelberg均衡求解问题，提出两种基于线性规划的高效近似算法，给出不同收敛速率与复杂度权衡，并证明三人场景下该近似问题具有计算困难性。
2024-03-07 cs.GT
A potentialization algorithm for games with applications to multi-agent learning in repeated games
University of Applied Sciences Technikum Wien（维也纳应用科技大学）
本文提出了一种用于正常形式游戏的潜在化算法，通过构造序数潜力函数实现高效的多智能体学习，并在重复游戏中展示了收敛到稳定行为的能力。
2026-02-21 cs.GT cs.MA
Applications of Repeated Games in Wireless Networks: A Survey
重复博弈是一种有效的工具，可以为玩家建立互动和冲突模型，以实现长期目标。与静态非合作博弈相反，在重复博弈中，参与者之间的互动会重复多个阶段;因此，参与者会意识到其他参与者过去的行为和未来的利益，并相应地调整自己的行为。在无线网络中，无线节点之间的冲突会导致自私的行为，从而导致网络性能下降和有害的个人收益。在本文中，我们调查的重复博弈在不同的无线网络中的应用。主要目标是演示使用重复的游戏来鼓励无线节点进行合作，从而提高网络性能，避免由于自私行为造成的网络中断。此外，在无线网络中的各种问题和重复博弈模型的变化以及相应的解决方案进行了讨论。最后，我们概述了一些开放的问题和未来的研究方向。
2015-01-11 cs.GT cs.NI
An Anti-Folk Theorem for Large Repeated Games with Imperfect Monitoring
我们研究无限重复的游戏设置不完美的监控。我们首先证明了一个家庭的定理表明，当玩家观察到的信号满足一个条件，称为$(ε, γ)$ -差分隐私，民间定理有一点点咬：为值的$ε$和$γ$足够小，对于一个固定的折扣因子，任何均衡的重复游戏涉及玩家玩近似均衡的阶段游戏在每个时期。接下来，我们认为，在大型游戏（$n$玩家游戏中，单方面的偏差只有一个小的影响，其他玩家的效用），许多监控设置自然会导致信号，满足$(ε,γ)$ -差分隐私，为$ε$和$γ$趋于零的玩家数量$n$增长大。我们的结论是，在这种情况下，重复博弈的均衡集崩溃的阶段博弈的均衡集。
2014-10-08 cs.DS cs.GT
Learning and Efficiency in Games with Dynamic Population
我们研究的结果在重复游戏的质量时，玩家的人口是动态变化的，参与者使用学习算法，以适应不断变化的环境。博弈论经典地考虑一次性博弈的纳什均衡，而在实践中，许多博弈都是重复进行的，在这种博弈中，玩家经常使用算法工具来学习在给定的环境中进行博弈。以前大多数关于重复游戏学习的研究都假设玩游戏的人群随着时间的推移是静态的。我们分析了重复的游戏在动态变化的环境中，如互联网广告拍卖和数据包路由的应用领域的动机的效率。我们证明，在许多类的游戏，如果玩家选择他们的策略的方式，保证低适应性后悔，那么高的社会福利是确保，即使在非常频繁的变化。事实上，在大型市场中，尽管交易额很高，但学习型参与者仍能获得渐近最优的社会福利。以前的工作只表明，高福利是保证在静态环境中的学习成果。我们的工作将这些结果扩展到更现实的环境中，当参与随着时间的推移而急剧变化时。
2020-05-22 cs.GT
Adapting paths against zero-determinant strategies in repeated prisoner's dilemma games
个体之间的长期合作、竞争或剥削可以通过重复博弈来模拟。在重复博弈中，Press和Dyson发现了零决定因素（ZD）策略，可以在两个参与者之间建立一种特殊的关系。这种特殊的关系意味着ZD玩家可以单方面地将线性收益关系强加给对手，而不管对手的策略如何。如果对手试图提高其收益，ZD参与人也有一个属性，可以导致对手无条件合作。这一性质已由Chen和Zinger在数学上证实。人类经常低估未来的回报。然而，在他们的分析中没有考虑这种折扣。在这里，我们从数学上探讨了一个ZD球员是否可以导致对手的无条件合作，即使折扣因素。具体而言，我们将贴现因子的预期收益表示为决定因素的形式，并计算通过部分区分策略向量中的每个因子所获得的值是否为正。因此，我们证明了即使从任何初始策略开始，策略向量最终也是无条件合作的。通过数值计算证实了这一结果。我们将ZD策略的适用性扩展到现实世界的问题。
2022-07-15 cs.GT
The Kullback-Leibler Divergence as a Lyapunov Function for Incentive Based Game Dynamics
已有研究表明，Kullback-Leibler发散是复制子方程在演化稳定状态（ESS）下的一个李雅普诺夫函数，本文将这一结果推广到更一般的一类博弈动力学.结果，给出了整类激励动力学的平衡点渐近稳定性的充分条件。以前已知的结果可以作为主要定理的推论。
2014-08-21 cs.GT cs.IT math.DS
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
Necessary and Sufficient Condition for the Existence of Zero-Determinant Strategies in Repeated Games
零决定策略是重复博弈中的一类记忆为一的策略，它单方面地强制执行收益之间的线性关系。长期以来，人们一直不清楚什么样的阶段博弈存在零决定策略。给出了零决定策略存在的充分必要条件。这个条件可以解释为存在两种不同的行为，它们单方面地调整收益的线性组合的总价值。给出了存在零决定策略的阶段对策类与其他阶段对策类之间的关系。
2022-07-04 cs.GT physics.soc-ph
On the Power of Deception in Repeated Games
Toyota Technological Institute at Chicago（芝加哥丰田技术研究所）
研究重复两人正规形式博弈中对基于计数学习者的欺骗行为，形式化相关玩法与欺骗奖励概念，建立结构结果，设计算法优化对抗不同情况的对手，证明近似最优欺骗收益针对ERM学习规则是NP难的，并通过实验测量随机博弈中的欺骗奖励。
2026-07-28 cs.GT
The Complexity of Infinitely Repeated Alternating Move Games
我们考虑无限持续时间交替移动博弈。Roth、Balcan、Kalai和Mansour之前曾研究过这些游戏。他们提出了一个用于计算近似平衡的FPTAS，并证明了有一个多项式算法可以找到一个精确的平衡。我们在两个方向上扩展了他们的研究：（1）我们证明了找到一个精确的均衡，即使是两个玩家的零和游戏，是多项式时间等价于找到一个获胜的策略（两个玩家）的平均支付游戏的图。后者的多项式算法的存在性是计算机科学中一个长期存在的公开问题。我们对两人博弈的硬度结果表明，两人交替移动博弈比两人同时移动博弈更难解决，而Roth等人的工作，表明，对于$k\geq 3$，$k$ -玩家博弈在交替移动设置中更容易分析。(2)我们表明，最佳均衡（相对于社会福利度量）可以通过纯策略获得，我们提出了一个FPTAS计算一个纯近似的均衡是$δ$ -最优的社会福利度量。这一结果扩展了以前的工作，提出了一个FPTAS，找到一个更理想的近似平衡。我们还表明，如果有一个多项式算法的平均支付游戏的图，那么有一个多项式算法，计算一个最佳的精确均衡，因此，（两个球员）平均支付游戏的图是可相互约与$k$ -球员交替移动游戏，任何$k\geq 2$。
2013-04-24 cs.GT
A Complete Characterization of Infinitely Repeated Two-Player Games having Computable Strategies with no Computable Best Response under Limit-of-Means Payoff
众所周知，对于无限次重复博弈，存在具有最佳对策的可计算策略，但不存在可计算最佳对策。这些结果最初被证明是针对特定的游戏（例如，囚徒困境），或满足某些条件的游戏类不知道是必要的和充分的。我们推导出一个完整的表征形式的简单的必要和充分条件的存在的可计算的策略，没有一个可计算的最佳对策下的有限的手段支付。我们进一步完善的特征，要求的策略配置文件是纳什均衡或子博弈完美均衡，我们展示了如何的特征需要，它是有效地决定是否无限重复的游戏有一个可计算的策略，没有可计算的最佳对策。
2020-06-10 cs.GT econ.TH
Reach together: How populations win repeated games
该研究针对带可达性目标的任意规模群体重复博弈，证明是否存在不依赖群体规模的统一联盟获胜策略这一问题是PSPACE完全的，可通过有限半群的代数方法在多项式空间求解并给出匹配下界。
2025-10-03 cs.FL cs.GT
Near-Optimal Online Egalitarian learning in General Sum Repeated Matrix Games
Chalmers University of Technology（查尔姆斯理工大学）；Microsoft Research Lab（微软研究院）
我们研究两个玩家一般和重复有限游戏，每个玩家的奖励是从一个未知的分布。我们的目标是找到平等主义的谈判解决方案（EBS）的重复游戏，这可以导致更高的回报比最大化的价值，双方球员。我们最重要的贡献是推导出一个算法，同时实现，为双方球员，一个高概率的遗憾界的顺序$\mathcal{O}(\sqrt[3]{\ln T}\cdot T^{2/3})$后，任何$T$轮的比赛。我们证明了我们的上限是近最优的证明下限的$Ω(T^{2/3})$的任何算法。
2019-06-04 cs.GT cs.LG
Refundable Deposits: How to Restore Cooperation in Finitely Repeated Games
SYCAMORE Lab, EPFL - Swiss Federal Technology Institute of Lausanne（洛桑联邦理工学院 S Y C A M O R E 实验室）；Department of Mathematics, London School of Economics and Political Science（伦敦政治经济学院数学系）；Department of Quantitative Methods, CUNEF Universidad（CUNEF 大学定量方法系）
该研究提出一种可退还押金机制，通过中立中介的押金规则，在囚徒困境等无法自发合作的有限重复博弈中恢复合作，提升效率，且适用范围可扩展至动态公共池塘资源。
2026-08-31 cs.GT econ.TH
Backward Induction for Repeated Games
本文提出了一种计算具有折扣支付的无限次重复博弈的近似子博弈完美纳什均衡的逆向归纳法。这使用了选择单子Transformer，结合了可搜索的集合单子，它被看作是一个“拓扑紧凑”的非决定论概念，以及一个简单的可计算实数模型。这是埃斯卡多和奥利瓦的高阶序贯博弈理论在不完全信息博弈中的首次应用，与传统的博弈论分析相比，懒惰评估（以及其数学上的优雅）为我们做了不平凡的工作。由于缺乏对这种方法的全面理论理解（而且似乎很难），我们认为这是一篇受到理论思想启发的“实验”论文。我们使用著名的迭代囚徒困境作为一个工作的例子。
2018-07-11 cs.GT cs.LO
Memory-two strategies forming symmetric mutual reinforcement learning equilibrium in repeated prisoners' dilemma game
我们研究了重复囚徒困境博弈中，当双方交替学习最优记忆策略时，相互强化学习的对称均衡。我们提供了一个必要条件，记忆两个确定性策略，以形成对称平衡。然后，我们提供了三个例子的记忆两个确定性的策略，形成对称的相互强化学习均衡。我们还证明了当局中人都使用记忆- $n$策略和$n>2$时，由记忆-两种策略形成的相互强化学习均衡也是相互强化学习均衡。
2022-12-28 cs.GT physics.soc-ph
Equalizer zero-determinant strategy in discounted repeated Stackelberg asymmetric game
本文针对折扣重复Stackelberg非对称博弈中计算SSE复杂度高的问题，提出采用均衡器ZD策略单方面限制对手效用，并给出其性能界限及在UAV和MTD场景中的仿真验证。
2023-10-05 cs.GT
Repeated Games With Intervention: Theory and Applications in Communications
在用户共享公共资源的通信系统中，用户的自私行为通常导致次优的资源利用率。已经有大量的工作，模型与自私的用户作为一次性游戏的通信系统，并提出激励计划，以实现帕累托最优的行动配置文件作为非合作的均衡。然而，在许多通信系统中，由于用户之间的强负外部性，一次性博弈的可行支付集是非凸的。因此，有可能通过让用户选择不同收益的凸组合来扩展可行收益的集合。在本文中，我们提出了一个重复博弈模型的干预广义。首先，我们使用重复的游戏，凸的一次游戏中的可行的支付。其次，我们结合传统的重复游戏与干预，最初提出的一次性游戏，以实现更大的一组均衡收益和放松的要求，用户的耐心，以实现it.We研究的问题，最大化的福利函数定义的用户的均衡收益，受最低收益保证。在给定最优均衡收益的情况下，我们推导出了最小干预能力，并设计了相应的均衡策略。所提出的广义重复博弈模型适用于各种通信系统，如功率控制和流量控制。
2011-11-10 cs.GT cs.IT math.IT
Computing Optimal Equilibria in Repeated Games with Restarts
针对匿名多智能体重复博弈中因更换伙伴逃避惩罚导致合作失效的问题，提出带重启机制的最优均衡动作序列，证明其计算是弱NP困难的，并给出伪多项式时间动态规划与完全多项式时间近似方案。
2024-06-02 cs.GT
A Repeated-Game Framework for Incentives in Decentralized Infrastructure Protocols
Volt Capital
该研究针对DePIN提出重复博弈激励框架，定义威慑比Γ，推导合规性序列激励相容条件，用于设计协议的质押、奖励、试用期及审计规则。
2026-08-14 cs.GT
An LP Approach for Solving Two-Player Zero-Sum Repeated Bayesian Games
研究了两人零和重复贝叶斯对策，其中每个局中人都有一个私人类型，而另一个局中人不知道，并且每个局中人的类型的初始概率是公开的.参与者的类型是根据初始概率独立选择的，并且在整个游戏中保持不变。在每个阶段，玩家同时选择行动，并公开宣布他们的行动。对于有限时域情形，给出了一个显式线性规划来计算参与者的安全策略。在已有结果的基础上，本文进一步证明了局中人的充分统计量是由局中人对自己类型的信念、对对方类型的后悔和阶段组成的，它与对方的策略无关。给出了计算初始遗憾的显式线性规划，并给出了仅依赖于充分统计量的安全策略。对于折扣情形，本文在有限视界中遵循同样的思想，证明了局中人的充分统计量由局中人对自己类型的信念和关于对方类型的反折扣后悔组成。此外，给出了一个依赖于充分统计量的近似安全策略，并给出了计算近似安全策略的显式线性规划。本文还得到了近似安全策略与安全策略性能差异的一个界。
2017-11-07 cs.GT
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
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
A Game-theoretic Understanding of Repeated Explanations in ML Models
本文通过博弈论的方法，对由机器学习（ML）模型和相关解释方法组成的系统与寻求查询/输入的预测/标签及其解释的最终用户之间的策略性重复交互进行了形式化建模。在这个游戏中，恶意的最终用户必须从战略上决定何时停止查询并试图损害系统，而系统必须从战略上决定应该与最终用户共享多少信息（以嘈杂的解释形式）以及何时停止共享，所有这些都不知道最终用户的类型（诚实/恶意）。本文正式模型，这种权衡使用连续时间随机信号博弈框架，并在这样一个框架内的马尔可夫完美均衡状态的特点。
2022-08-23 cs.GT cs.LG
Optimal protocols for the most difficult repeated coordination games
本文研究了重复输赢协调博弈（WLC-博弈）。我们分析哪些协议是最佳的这些游戏涵盖了最坏的情况和平均情况下的情况下，即，优化保证的和预期的协调时间。我们首先分析选择匹配游戏（CM-游戏），这是一个简单而基本类型的WLC游戏，玩家的目标是从有限的一组最初无法区分的选择中选择相同的选择。我们给出了一个完整的分类的最佳预期和保证协调时间在两个球员的CM-游戏，并表明，相应的最佳协议是唯一的，在每种情况下-除了在CM-游戏有四个选择，我们分别分析。我们的CM-游戏的结果也是必不可少的证明一个更一般的结果，所有的WLC-游戏的难度：我们提供了一个完整的分析，最佳的预期协调时间在所有两个球员的WLC-游戏的函数游戏大小的最小上界。我们还表明，CM游戏可以被看作是最困难的游戏中的所有两个球员的WLC游戏，因为他们原来有最大的最佳预期协调时间。
2020-04-15 cs.DM cs.GT math.CO
To Optimize Human-in-the-loop Learning in Repeated Routing Games
针对重复路由博弈中非短视用户的人机闭环学习问题，提出差异化用户概率推荐（UPR）机制，通过随机化路径推荐将系统效率损失PoA从无穷大降至接近最优且不可进一步降低。
2024-11-15 cs.GT
Uncoupled Learning Rules for Seeking Equilibria in Repeated Plays: An Overview
在这篇文章中，我们考虑使用学习规则的有限博弈的重复博弈，其逐期行为概率或经验分布收敛于阶段博弈的某些均衡概念。我们的主要重点是解耦和完全解耦的学习规则。前者依赖于参与者只知道自己的收益函数，并能够监控其他人采取的行动，后者假设参与者只知道自己过去实现的收益。我们使用这些规则突出可能和不可能结果之间的边界。我们还概述了几个非耦合和完全非耦合的学习规则，其中大部分利用概念的遗憾作为解决方案的概念，以寻求回报，提高行动的配置文件。
2013-10-21 cs.GT
Automated Planning in Repeated Adversarial Games
Imperial College London（伦敦帝国学院）；University of Southampton（南安普顿大学）
博弈论的规范性力量通常依赖于完全理性和/或自我博弈的互动。与此相反，这项工作抛开这些基本前提，而是集中在两个或多个代理之间的异构自主交互。具体来说，我们介绍了一种新的和简洁的表示重复对抗（常和）游戏，突出必要的功能，使自动规划代理的原因如何得分以上的游戏的纳什均衡，面对异构对手。为此，我们提出了TeamUP，一个基于模型的RL算法，旨在学习和规划这样的抽象。本质上，它有点类似于R-max，具有巧妙设计的奖励塑造，将探索视为对抗性优化问题。在实践中，它试图找到一个盟友，与之默契地勾结（在超过两个玩家的游戏中），然后合作制定一个联合行动计划，在对抗性重复游戏中始终获得高效用。我们使用首届柠檬水摊位游戏锦标赛来证明我们的方法的有效性，并发现TeamUP是表现最好的代理，将锦标赛的实际获胜策略降级为第二位。在我们的实验分析中，我们展示了我们的策略成功地并始终如一地与许多不同的异构（有时非常复杂）对手建立合作。
2012-03-15 cs.AI cs.GT
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
Symmetric solution of the Bellman optimality equation for repeated harmony game
Kindai University（近畿大学）；Shiga University（滋贺大学）
本研究求解重复和谐博弈中贝尔曼最优性方程的对称解，发现三类解分别对应All-C、赢留输变策略及非平凡策略，并通过数值实验考察了强化学习智能体的实际学习结果。
2026-09-16 cs.AI cs.GT cs.LG
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
On the Range of Equilibria Utilities of a Repeated Epidemic Dissemination Game with a Mediator
我们在一个完整的图中考虑急切推动的流行病传播。时间分为同步阶段。在每个阶段中，源传播$ν$事件。每个事件由源发送，并在其第一次接收时由每个节点转发到随机均匀选择的$f$节点，其中$f$是扇出。我们用博弈论来研究$f$的范围内存在的均衡策略，假设球员是理性的或服从的协议，他们不串通。我们将互动建模为无限重复的游戏。我们设计了一个监控机制，扩展了重复的游戏与通信轮用于交换监控信息，并定义了这个扩展的游戏策略。我们假设存在一个可信的调解人，球员的计算有界，使他们不能打破我们的机制中使用的密码原语，对称加密是便宜的。在这些假设下，我们表明，如果流的大小是足够大的和球员属性足够的价值，以未来的效用，那么定义的策略是序列均衡的扩展游戏的任何值的$f$。此外，提供给每个玩家的效用任意接近于原始游戏中提供的效用。这表明，我们可以说服理性节点遵循使用任何扇出的传播协议，同时任意地最小化监控的相对开销。
2014-10-19 cs.DC cs.GT
Unexploitable games and unbeatable strategies
模仿是一种简单的行为，它利用别人的成功行为来解决自己的问题。由于模仿的成功通常取决于模仿者的利润是否与其他代理人的利润一致，博弈论适合于指定模仿可以成功的情况。描述重复的两人对称游戏中模仿成功的概念之一是不可战胜性。对于无限次重复的两人对称对策，给出了模仿策略不可战胜的一个充要条件。然而，模仿在多人游戏中是否能立于不败之地还不清楚。为了分析多人情况下模仿的成功性，本文引入了一类称为不可利用博弈的完全对称博弈，它是无利用循环的两人对称博弈的自然推广。然后，我们证明，无限重复的不可利用的游戏，存在不可战胜的模仿策略。此外，我们还证明了，对于无限重复的非平凡的不可利用的游戏，存在无与伦比的零决定性策略，单方面强加的一些关系的球员的收益。这些主张在公共物品博弈中得到了证明，这是最简单的不可利用博弈。这些结果表明，即使在多人游戏中，模仿也是不可战胜的。
2023-01-10 cs.GT physics.soc-ph
The Optimal Way to Play the Most Difficult Repeated Coordination Games
本文研究了重复输赢协调博弈（WLC-博弈）。我们分析哪些协议是最佳的这些游戏，涵盖最坏的情况和平均情况下的情况下，即，优化保证的和预期的协调时间。我们首先分析选择匹配游戏（CM-游戏），这是一个简单而基本类型的WLC游戏，玩家的目标是从有限的一组最初无法区分的选择中选择相同的选择。我们给出了一个完全完整的分类的最佳预期和保证协调时间在两个球员的CM-游戏，并表明相应的最佳协议是唯一的，在每种情况下-除了在CM-游戏有四个选择，我们分别分析。我们的CM-游戏的结果是必不可少的证明一个更一般的结果，所有的WLC-游戏的难度：我们提供了一个完整的分析，最佳的预期协调时间在所有两个球员的WLC-游戏作为游戏大小的函数的最小上界。我们还表明，CM游戏可以被看作是最困难的游戏中的所有两个球员的WLC游戏，因为他们原来有最大的最佳预期协调时间。
2021-09-17 cs.DM cs.GT math.CO
High Probability Guarantees in Repeated Games: Theory and Applications in Information Theory
我们引入了一个“高概率”的框架，重复的游戏不完全信息。在我们的非均衡环境中，参与者的目标是以高概率而不是期望值来保证一定的回报。我们提供了一个高概率对应的经典结果Mertens和Zamir的零和重复游戏。任何可以以高概率保证的收益都可以在预期中得到保证，但反之则不然。因此，与平均收益情况不同，在平均收益情况下，每个参与者保证的收益是另一个参与者的收益的负数，在高概率框架下，两个保证的收益会不同。这个框架的一个动机来自于信息传输系统，在那里，通常用渐近消失的错误概率来表述问题。最后给出了我们的结果在一类复合任意变信道中的应用。
2015-09-29 cs.GT cs.IT math.IT
Balancing Adaptability and Non-exploitability in Repeated Games
我们研究的问题，保证低遗憾在重复的游戏对一个对手与未知的成员在几个类之一。我们增加了一个约束，即我们的算法是不可利用的，因为对手缺乏使用算法的动机，而我们无法获得超过一些“公平”价值的奖励。我们的解决方案是一个专家算法（LAFF），搜索一组子算法，是最佳的每个对手类，并使用惩罚政策后，检测到的证据，利用对手。与基准，取决于对手类，我们表明，LAFF次线性遗憾均匀可能的对手，除了剥削，我们保证对手有线性遗憾。据我们所知，这项工作是第一个提供保证的遗憾和不可利用的多智能体学习。
2022-07-02 cs.GT stat.ML
Learning to Bid Long-Term: Multi-Agent Reinforcement Learning with Long-Term and Sparse Reward in Repeated Auction Games
Huawei Technology（华为技术）；Hasso Plattner Institute（哈索·普拉特纳研究院）
我们提出了一种多智能体分布式强化学习算法，该算法在潜在冲突的短期奖励和稀疏、延迟的长期奖励之间进行平衡，并在动态环境中使用部分信息进行学习。我们比较了不同的长期奖励，以激励算法最大化个人收益和整体社会福利。我们在两个模拟拍卖游戏中测试了该算法，并证明：1）我们的算法优于两个基准算法在直接竞争，成本社会福利，和2）我们的算法的积极的竞争行为可以指导与长期奖励信号，以最大限度地提高个人收益和整体社会福利。
2022-04-05 cs.GT cs.LG
Neural Networks for Predicting Human Interactions in Repeated Games
Hebrew University of Jerusalem（希伯来大学）
我们考虑的问题，预测人类球员的行动，在重复的战略互动。我们的目标是预测个体玩家在以前看不见的游戏中的动态逐步行为。我们研究了神经网络执行这种预测的能力以及它们所需的信息。我们在人类参与者实验的标准形式游戏数据集上显示，标准神经网络能够学习函数，这些函数比行为经济学建立的模型更准确地预测玩家的行为。该网络在预测精度和交叉熵方面优于其他模型，并产生更高的经济价值。我们表明，如果可用的输入是只有一个短序列的发挥，经济信息的游戏是重要的预测人类代理的行为。然而，有趣的是，我们发现，当网络使用足够长的游戏历史序列进行训练时，基于动作的网络表现良好，关于游戏的额外经济细节并没有提高它们的性能，这表明动作序列编码了足够的信息，可以成功完成预测任务。
2019-11-08 cs.AI cs.GT
Multi-round Master-Worker Computing: a Repeated Game Approach
我们考虑一个计算系统，其中主处理器通过互联网将执行任务分配给工作处理器。我们模型的工人决定是否遵守（计算任务）或不（返回一个假的结果，以节省计算成本）作为一个混合扩展的工人之间的战略博弈。也就是说，我们假设工人在博弈论的意义上是理性的，他们随机选择他们的战略。工人在随后的几轮中被分配了多项任务。我们将系统建模为策略博弈的混合扩展的无限重复博弈。在每一轮中，大师随机决定是否接受大多数人的答案，或者以一定的代价验证收到的答案。相应地对工人实行奖励和/或惩罚。在上述框架下，我们研究了主人能够可靠地获得任务结果的条件，利用重复博弈模型捕捉到了长期交互的效果。也就是说，工作者考虑到他们在一次计算中的行为将对未来其他工作者的行为产生影响。事实上，如果一个工人被发现偏离了一些商定的战略选择，其余的工人将改变自己的战略，以惩罚偏离者。因此，理性的工人不会偏离。我们确定分析的参数条件，以诱导所需的工人的行为，我们评估experi- mentally从这些条件的机制。我们还比较了我们的机制与以前已知的基于强化学习的多轮机制的性能。
2015-08-24 cs.DC cs.GT
Linear algebraic structure of zero-determinant strategies in repeated games
零决定性策略是近年来在重复博弈中发现的一类新的策略，在进化博弈论中引起了广泛的关注。ZD策略单方面强制玩家平均收益之间的线性关系。虽然ZD策略的存在性和进化稳定性在简单博弈中已经得到了研究，但它们的数学性质还不清楚。例如，当不止一个参与者采用ZD策略时会发生什么情况尚未澄清。在本文中，我们提供了一个一般的框架，调查的情况下，多个球员采用ZD策略的线性代数。首先，我们从理论上证明了ZD策略下平均收益的线性关系总是有解的，这意味着不相容的线性关系是不可能的。其次，我们证明了线性支付关系在一定条件下是相互独立的。这些结果适用于公众监督的一般游戏，包括完美监督游戏。此外，我们提供了一个简单的例子，一个玩家可以同时执行两个线性关系，也就是说，同时控制她和她的对手的平均收益的两个玩家的游戏。所有这些结果阐明了ZD策略的一般数学性质。
2020-03-17 cond-mat.stat-mech cs.GT physics.soc-ph
Convergence in a Repeated Non-atomic Routing Game with Partial Signaling
我们研究了以下重复的非原子路由博弈。在每一轮中，自然选择一个独立同分布的状态。根据公知的分布的方式，其影响链路延迟函数。系统规划者根据公知的信令策略向参与代理提出私人路由建议，这些代理构成固定的分数。参与的智能体根据参与的智能体群体在上一轮中的累积后悔来选择服从或不服从推荐。非参与的代理选择路线根据近视最佳反应的参与代理的路由决策的校准预测。我们表明，对于并行网络，如果规划者的信号策略满足服从条件，那么，几乎可以肯定，链路流是渐近一致的贝叶斯相关均衡诱导的信号策略。
2022-07-23 cs.GT cs.SY eess.SY
Static and Repeated Cooperative Games for the Optimization of the AoI in IoT Networks
University of Padova（帕多瓦大学）；University of Brescia（布雷西亚大学）
本文通过静态与重复合作博弈优化物联网网络中信息年龄（AoI）的最小化，提出新度量标准PoDU，证明去中心化方案接近集中最优。
2025-05-12 cs.GT cs.MA cs.NI
