Bounding the inefficiency of compromise in opinion formation
互联网上的社交网络最近有了巨大的增长，并在当今生活的不同方面发挥着至关重要的作用。它们以有益于用户的方式促进了信息传播，但它们往往被战略性地用于传播只为特定用户的目标服务的信息。这些属性激发了社会学的经典意见形成模型的修订，使用博弈论的概念和工具。我们遵循相同的建模方法，专注于每个用户表达的观点是她的内部信念和她的社交熟人中的少数邻居的意见之间的妥协的场景。我们制定简单的游戏，捕捉这种行为和量化的无效率的均衡使用众所周知的概念的无政府代价。我们的研究结果表明，妥协的代价，强烈依赖于邻域大小。
2018-02-22 cs.GT
A real world network pricing game with less severe Braess' Paradox
互联网和图形有很大的关系。互联网的图形结构已经被广泛研究，以提供路由和其他问题的有效解决方案。但大多数研究都假设有一个控制和管理互联网的中央权威。在最近几年的博弈论模型已经提出了不需要一个中央权威和用户被假定为自私地路由他们的流量。存在的纳什均衡，拥塞和数量的无效率所造成的自私路由是在这个领域的主要关注。Braess悖论是自私路由网络中的一种悖论，是Braess首先发现的，是导致效率低下的主要原因。还提供了几种定价机制，其给出了互联网的用户（消费者）和ISP（互联网服务提供商）或卖家）之间的博弈理论模型。我们提出了一种新的定价机制，基于现实世界的互联网网络架构，它降低了自私路由博弈论网络中的Braess'Parkingness的严重性。这是组合用户和ISP之间的定价机制。我们证明了纳什均衡存在于这个网络中，并提供了无效率的界限。我们使用互联网的图形属性来证明我们的结果。一些有趣的扩展和未来的工作也进行了讨论。
2009-10-12 cs.GT
Efficient Equilibria in Polymatrix Coordination Games
我们考虑具有个人偏好的多矩阵协调博弈，其中每个玩家对应于图中的一个节点，该节点与每个邻居玩一个具有非负对称收益的单独双矩阵博弈。本文研究了这类对策的$α$ -近似$k$ -均衡，即，最多没有一组$k$参与者可以偏离的结果，使得每个成员将其收益增加至少一个因子$α$。我们证明了对于$α\ge 2$这些游戏有有限的联盟改善属性（因此$α$ -近似$k$ -平衡存在），而对于$α< 2$这个属性不成立。此外，我们推导出一个几乎紧界的$2α(n-1)/(k-1)$的价格无政府状态，其中$n$是玩家的数量，特别是，它的规模从无界的纯纳什均衡（$k = 1)$到$2α$的强均衡（$k = n$）。我们还解决了与这些均衡的验证和存在性有关的几个问题的复杂性。最后，我们研究自然的手段，以减少纳什均衡的无效率。最有希望的是，我们表明，通过固定的$k$球员的策略，无政府状态的价格可以降低到$n/k$（这个界限是紧的）。
2015-04-28 cs.GT
Bounding the Inefficiency of Route Control in Intelligent Transport Systems
路线控制的自动驾驶汽车可能会在未来减少拥堵方面产生重大影响。在将多智能体强化学习算法应用于路线控制之前，我们可以使用拥塞游戏对系统进行建模，以预测和缓解潜在的问题。我们考虑的问题，分布式操作系统在运输网络中，控制其分配的车辆的路由选择。我们制定了一个相关的网络控制游戏，包括多个演员寻求优化的社会福利，他们分配的亚群在一个基本的非原子拥塞游戏。然后通过计算多项式代价函数下的无政府无政府代价，发现了路由均衡的无效率性。最后，我们扩展分析，让车辆选择他们的操作系统。
2021-04-01 cs.GT cs.MA
On the Efficiency of the Proportional Allocation Mechanism for Divisible Resources
我们研究了比例分配机制的效率，这是广泛使用的分配可分割的资源。每个代理为每个可分割资源提交一个出价，并接收与她的出价成比例的分数。通过研究完全信息和不完全信息下诱导博弈的无政府无政府代价（PoA）来量化纳什均衡的无效率。当代理人的估值是凹的，我们表明，贝叶斯纳什均衡可以是任意低效的，在众所周知的4/3界限纯均衡。接下来，我们上界的PoA贝叶斯均衡2时，代理人的估值是次加性，推广和加强以前的界限格次模估值。此外，我们表明，这个界是紧的，不能通过任何简单的或无标度的机制来提高。然后，我们切换到预算约束的设置，我们展示了一个改进的上界的PoA粗相关的均衡。最后，我们证明了多面体环境中纯平衡点的PoA恰好为2。
2015-07-24 cs.GT
On the Effect of Time Preferences on the Price of Anarchy
本文研究多智能体平均场博弈中时间折现方式对系统效率的影响，发现指数折现导致无政府代价无穷大，而幂律折现将其降为2。
2025-04-29 cs.GT
Bridging the Gap Between Central and Local Decision-Making: The Efficacy of Collaborative Equilibria in Altruistic Congestion Games
本文研究利他拥塞博弈中决策局部性对系统低效的影响，提出协作均衡概念并构建线性规划给出无政府代价界，从而弥合集中式与分布式决策效率保证之间的差距。
2024-09-03 cs.GT cs.SY eess.SY
On Linear Congestion Games with Altruistic Social Context
我们在de Keijzer { \em et al.}最近提出的模型的基础上，研究了具有利他社会背景的线性拥塞博弈中纯纳什均衡的存在性和无效性问题。\cite{DSAB13}。在这样的框架中，给定指定特定社会背景的实矩阵$Γ=(γ_{ij})$，每个玩家$i$的目标是优化游戏中所有玩家的收益的线性组合，其中，对于每个玩家$j$，乘法系数由值$γ_{ij}$给出。我们给出了一个广泛的表征的社会背景下，纯纳什均衡总是保证存在，并提供严格或几乎严格的无政府状态和稳定的价格界限。在一些考虑的情况下，我们的成就，无论是改善或扩展以前已知的文献中的结果。
2013-08-15 cs.GT
Classifying Convergence Complexity of Nash Equilibria in Graphical Games Using Distributed Computing Theory
图形游戏是一个有用的框架，用于建模（自私）代理的交互，这些代理通过底层拓扑连接，并且其行为相互影响。它们有着广泛的应用，从计算机科学到经济学和生物学。然而，即使一个玩家的收益只取决于他们的直接邻居在图形游戏中的行动，计算纳什均衡，并作出声明的收敛时间的“自然”的局部动态，特别是可以是极具挑战性的。在这项工作中，我们提出了一种新的方法，通过建立连接到本地图算法，分布式计算的一个子领域的图形游戏中的纳什均衡的复杂性进行分类。特别是，我们观察到的图形游戏的均衡是等价于本地可验证的标签（LVL）在图中，顶点标签是可验证的恒定轮本地算法。这种连接使我们能够推导出新的下界收敛时间的最佳反应动态图形游戏中的平衡。由于我们建立了分布式收敛有时可以证明是缓慢的，我们还介绍了一个直观的概念，“时间约束”的最佳对策的低效率，并给出了界限。我们讨论了如何使用我们的结果，以确保收敛的最佳对策的纳什均衡的机制的实施。因此，我们的研究结果也给洞察的收敛性的策略证明算法的图形游戏，这仍然是不太清楚。
2021-04-26 cs.DC cs.GT
Welfare guarantees for proportional allocations
根据网络优化文献中的比例分配机制，用户通过提交投标来竞争可分割的资源（如带宽）。该机制分配给每个用户的资源的一部分，这是成比例的，她的出价和收集的金额等于她的出价作为付款。由于用户作为效用最大化者，这自然定义了一个比例分配游戏。最近，Syrgkanis和Tardos（STOC 2013）量化了这个博弈中关于社会福利的均衡的无效性，并分别在完全和不完全信息设置下，在粗相关和贝叶斯纳什均衡上，无政府无政府代价的下限为26.8%。在本文中，我们将这两个平衡概念的界限提高到50%。我们的分析是简单的，而且，我们认为，它不能被改进的参数，不考虑均衡结构。我们还将其扩展到预算约束的设置，我们显示了第一个恒定的约束（36%和50%之间）的无政府代价价格的相应游戏相对于一个有效的福利基准，考虑到预算。
2014-02-14 cs.GT
Coordination Mechanisms with Rank-Based Utilities
本文研究基于排名效用的协调机制在任务调度博弈中的影响，证明纯纳什均衡判定问题NP完全，并给出均衡效率的紧界。
2025-02-10 cs.GT
Closed Non-atomic Resource Allocation Games
当排队等候的信号表明需求超过供应时，效率会受到什么影响？我们考虑一类拥塞游戏的一个非原子的一组球员的一个恒定的质量，制定通用线性规划的基础上，作为顺序资源分配游戏。玩家不断地选择活动，使他们最大限度地提高线性目标解释为时间平均的活动奖励，而积极的资源限制导致的牺牲。反过来，由此产生的等待延迟进入每个玩家的优化问题。通过一个与比例公平性有关的势函数，研究了Wardrop型平衡点的存在性及其性质.相对于最优资源分配的均衡的无效率通过无政府代价来表征，如果所有参与者都是相同类型，则无政府状态的代价为2（如果不是，则为$\infty$）。
2020-11-17 cs.GT math.OC
Performance Bounds for Nash Equilibria in Submodular Utility Systems with User Groups
在本文中，我们考虑Vetta所考虑的公用事业系统的变化，其中用户被分组在一起。我们的目标是建立用户之间的分组和合作如何影响性能界限。我们考虑两种类型的分组。第一种类型是\cite{Zhang2014}，其中每个用户属于一组与之有社会联系的用户。对于这种类型的效用系统，每个用户的策略最大化其社会群体效用函数，从而产生了\emph{social-aware Nash equilibrium}的概念。我们证明了这个社会效用系统屈服于Vetta对非合作系统的边界结果，从而建立了可证明的社会意识纳什均衡的性能保证。对于第二种类型的分组，将用户集划分为$l$不相交的组，其中组内的用户合作以最大化其组效用函数，从而产生\emph{group Nash equilibrium}的概念。在这种情况下，每个组可以被看作是一个新的用户与向量值的行动，和1/2界的性能组纳什均衡如下从Vetta的结果。但是，正如我们所示，可以建立更严格的边界，包括曲率。通过定义组曲率$c_{k_i}$与$k_i$用户组$i$，我们表明，如果社会效用函数是非减和submodular，那么任何组纳什均衡达到至少$1/(1+\max_{1\leq i\leq l}c_{k_i})$的最优社会效用，这是比没有分组的情况下更紧。作为一种特殊情况，如果每个用户都有相同的行动空间，那么我们有任何组纳什均衡达到至少$1/(1+c_{k^*…
2017-10-11 cs.GT math.OC
On the Efficiency of Nash Equilibria in Aggregative Charging Games
ETH Zürich（苏黎世联邦理工学院）；MIT（麻省理工学院）
本文研究了在聚合充电博弈中纳什均衡的效率问题，通过分析纳什均衡与社会最优解之间的价格错配，得出了在不同价格函数情况下纳什均衡效率趋近于最优的结论，并提供了有限人口下的效率界限。
2018-05-15 cs.GT cs.SY eess.SY
Team Correlated Equilibria in Zero-Sum Extensive-Form Games via Tree Decompositions
尽管最近在计算博弈论的实践和理论上取得了许多突破，但在广泛形式的团队博弈中找到均衡仍然是一个重大的挑战。虽然在最坏的情况下是NP难的，但对于某些团队游戏族，存在可证明有效的算法。特别是，如果游戏有共同的外部信息，也被称为A-损失回忆-非正式地，由非团队成员（即，对手的球队或性质）要么是整个球队都不知道的，要么是球队内部的常识-那么多项式时间算法就存在了（Kaneko & Kline 1995）。在本文中，我们设计了一个全新的算法来解决团队游戏。它使用代表每个团队策略的约束系统的树分解来减少正确性（数学程序的紧密性）所需的约束的数量和程度。我们的方法有袋的树分解对应于团队的公共状态。我们的算法减少了问题的解决团队游戏的线性规划，最多$O(NW^{w+1})$非零条目的约束矩阵，其中$N$是游戏树的大小，$w$是一个参数，取决于不寻常的外部信息的量，和$W$是树分解的树宽。在公共行动游戏中，我们的程序大小受到更严格的$2^{O(nt)}N$的限制，每个$t$类型的$n$玩家团队。我们的算法是基于一种新的方式来编写一个自定义的，简洁的树分解，其快速的运行时间不假设分解有小的树宽。由于我们的算法直接描述了相关策略的多面体，我们可以免费找到相关策略的均衡，而不必运行双预言算法。我们通过一个标准的游戏套件上的实验表明，我们的算法实现了最先进的性能，除了一个基准游戏类。
2022-01-17 cs.GT
The Robust Price of Anarchy of Altruistic Games
我们研究了当玩家（部分）利他时，各类游戏的均衡的无效率。我们通过假设参与者i的感知成本是1-α i乘以他的直接成本和α i乘以社会成本的凸组合来模拟利他行为。调整参数α i允许在纯自私和纯利他行为之间进行平滑插值。在此框架下，我们研究了线性拥塞博弈、公平成本分摊博弈和有效效用博弈的利他扩展。我们推导出（紧）界的无政府代价这些游戏的几个解决方案的概念。为此，我们适当地适应了Roughgarden引入的平滑度概念，并表明它捕获了确定这些游戏的无政府状态无政府代价的基本属性。我们的边界表明，拥挤的游戏和成本分担游戏，最坏情况下的无政府状态的鲁棒无政府代价增加利他主义，而有效的效用游戏，它保持不变，不受利他主义。然而，无政府状态无政府代价价格的增加并不是一个普遍现象：对于对称单点线性拥塞游戏，我们推导出了无政府状态的纯无政府代价价格的界，该界随着利他主义水平的增加而减小。由于这个界限也严格低于无政府状态的健壮无政府代价，它展示了一个自然的例子，在这个例子中，纳什均衡比更宽容的均衡概念更有效。
2013-02-20 cs.GT
Achieving Target Equilibria in Network Routing Games without Knowing the Latency Functions
网络路由游戏的分析通常在一开始就假设关于延迟函数的精确和详细的信息。然而，这种信息可能无法获得或难以获得。此外，人们通常主要感兴趣的是通过适当地影响路由游戏中的玩家行为来强制执行期望的目标流作为均衡。我们问是否可以实现目标流量的平衡，而不知道潜在的延迟功能。我们的主要结果对这个问题给出了明确的肯定回答。我们表明，在相当一般的设置下，可以有效地计算边收费，诱导一个给定的目标多商品流在非原子路由游戏使用多项式数量的查询，以候选收费作为输入，并返回所产生的均衡流的甲骨文。这一结果是通过一个新的应用程序的椭球方法。我们的算法可以很容易地扩展到许多其他设置，如（i）当某些边缘不能收费或有一个上限的总收费由用户支付，和（ii）一般的非原子拥塞游戏。我们得到更严格的界限上的查询复杂性的串并联网络，和单一商品的路由游戏与线性延迟功能，并补充这些查询复杂性的下限。我们也得到了强有力的积极结果Stackelberg路由，以实现串并联图中的目标均衡。我们的研究结果建立在各种新的技术，我们开发有关的计算，和之间的连接，不同的概念的近似均衡;多商品流和收费的性质在串联并行图;和敏感性的平衡流相对于收费。我们的研究结果表明，人们确实可以规避潜在的繁重的任务建模延迟功能，但获得有意义的结果为底层路由游戏。
2014-08-06 cs.DS cs.GT
Paradoxes of Game Theoretic Equilibria and Price of Anarchy
Google Deepmind（谷歌DeepMind）
研究博弈论均衡与无政府价格的悖论，指出将多智能体学习简化为静态均衡和黑箱后悔分析存在问题，通过分析内部纳什均衡、拥堵博弈等情况揭示相关不足，并研究非原子极限下的均衡变化，强调需重新评估基于动态的最坏情况均衡框架。
2026-07-14 cs.GT cs.LG cs.MA
Efficient Nash Equilibrium Computation for Cybersecurity Games
Washington University in St. Louis（圣路易斯华盛顿大学）
针对仿真型网络安全博弈中PSRO的收益估计瓶颈，提出RWPS预算估计器，仅模拟敏感单元并利用替代模型，通过实例相关界与覆盖结果提升效率，实验显示在多个博弈中达到更低利用度。
2026-09-23 cs.AI cs.GT
Imperfect-Recall Abstractions with Bounds in Games
不完全回忆抽象已经成为不完全信息博弈中实际大规模均衡计算的主要范式。然而，对查全率抽象的理解很少，并且只知道对解决方案质量的弱算法特定保证。在本文中，我们展示了第一个一般的，算法不可知的，解决方案的质量保证的纳什均衡和近似自颤抖的平衡计算的回忆抽象，当实现在原来的（完美的回忆）游戏。我们的研究结果是一类游戏，概括了唯一以前已知的类的不确定性召回抽象的任何结果已经获得。此外，我们的分析在两个方面更紧密，每一个都可以导致解决方案质量误差界的指数下降。然后，我们表明，扩展形式的游戏，满足一定的属性，计算一个单一的游戏水平的边界最小化抽象的问题减少到一个聚类问题，在我们的边界的增加是距离函数。这种减少导致了第一个解决方案的质量边界的不确定召回抽象算法。我们继续展示抽象问题类中的一个划分。如果在所有考虑抽象的信息集上，收益都处于相同的尺度，则输入形成度量空间。相反，如果这个条件不满足，我们证明输入不形成度量空间。最后，我们使用这些结果进行实验研究的质量，我们的绑定单级抽象。
2016-06-06 cs.GT cs.MA
Learning Two-Player Mixture Markov Games: Kernel Function Approximation and Correlated Equilibrium
University of California, Berkeley（加州大学伯克利分校）；University of California, Los Angeles（加州大学洛杉矶分校）
研究了具有非线性函数逼近的两人零和马尔可夫博弈的纳什均衡学习问题，其中作用价值函数由再生核希尔伯特空间（RKHS）中的函数逼近.关键的挑战是如何在高维函数空间中进行探索。我们提出了一种新的在线学习算法，以找到一个纳什均衡通过最小化的对偶差距。我们算法的核心是置信上限和置信下限，它们是基于面对不确定性时的乐观原则得出的。我们证明了我们的算法是能够达到一个$O(\sqrt{T})$遗憾多项式计算复杂性，非常温和的假设下的奖励函数和潜在的动态马尔可夫游戏。我们还提出了我们的算法的几个扩展，包括一个算法与伯恩斯坦型奖金，可以实现更严格的遗憾界，和另一种算法模型误指定，可应用于神经函数逼近。
2022-08-10 cs.AI cs.GT cs.LG
Multi-Head Attention Is a Multi-Player Game
本文提出GAME-LoRA方法，通过多头注意力的博弈论视角，通过正则化减少Γ(G)来降低价格无效率，有效减少幻觉并提升模型性能。
2026-01-31 cs.AI cs.CL cs.GT
