On the Geometry of Nash and Correlated Equilibria with Cumulative Prospect Theoretic Preferences
已知n人非合作对策的所有相关均衡的集合是凸多面体,并且包含所有的纳什均衡。此外,纳什均衡都位于这个多面体的边界上。我们研究的几何这两个均衡的概念时,玩家有累积前景理论(CPT)的偏好。CPT相关均衡的集合包括所有CPT纳什均衡,但它不必是凸多面体。事实上,我们证明了它是可以断开的。然而,所有的CPT纳什均衡继续躺在它的边界上。我们还刻画了所有2x2博弈的CPT相关均衡和CPT纳什均衡集。
2017-12-04 cs.GT
Learning Equilibria of Simulation-Based Games
我们解决了经验博弈论分析(EGTA)中的一个基本问题,即基于模拟的游戏的学习均衡。这样的游戏不能用分析的形式来描述;相反,可以查询黑盒模拟器以获得实用程序的噪声样本。我们对EGTA的态度是本着可能近似正确的学习精神。我们设计了学习所谓的经验游戏的算法,这些游戏一致地近似于具有有限样本保证的基于模拟的游戏的效用。这些算法可以用各种浓度不等式来实例化。在早期工作的基础上,我们首先应用Hoeffding的界限,但随着游戏规模的增加,这个界限最终变得统计上难以处理;因此,我们也使用Rademacher复杂性。我们的主要结果表明:在高概率情况下,基于模拟的博弈的所有均衡都是经验博弈中的近似均衡(完美回忆);相反,经验博弈中的所有近似均衡都是基于模拟的博弈中的近似均衡(近似完美精确)。我们评估我们的算法在几个合成游戏,表明他们节俭使用的数据,产生准确的估计往往比理论预测,并对不同形式的噪音是强大的。
2019-05-31 cs.GT
How Irrationality Shapes Nash Equilibria: A Prospect-Theoretic Perspective
本文从前景理论视角研究非理性如何塑造纳什均衡,发现前景理论变换可保留对称均衡并消除非对称均衡,甚至将不可数均衡集合映射为有限集合,为人机交互系统的均衡选择提供理论依据。
2025-08-13 cs.GT
Learning Probably Approximately Correct Maximin Strategies in Simulation-Based Games with Infinite Strategy Spaces
Politecnico di Milano(米兰理工大学)
我们解决了基于模拟的游戏中的学习均衡问题。在这样的游戏中,玩家的效用函数不能用分析的方法来描述,因为它们是通过一个黑盒模拟器给出的,可以通过查询来获得对效用的噪声估计。这是许多现实世界游戏的情况,其中所涉及的元素的完整描述是不可用的前期,如复杂的军事设置和在线拍卖。在这些情况下,人们通常需要运行昂贵的模拟过程,以获得对游戏结果的准确估计。因此,解决这些游戏带来了设计学习算法的挑战,这些算法可以使用尽可能少的模拟器查询来找到具有高置信度的(近似)均衡。此外,由于在游戏期间运行模拟器是不可行的,因此算法必须首先执行纯探索学习阶段,然后使用这种方式学习的(近似)均衡来玩游戏。在这项工作中,我们专注于两个玩家零和游戏无限的战略空间。借鉴最好的手臂识别文献,我们设计了两个算法的理论保证,在这些游戏中学习最大最小的策略。第一个在固定置信度设置下工作,保证期望的置信度水平,同时最小化查询的数量。相反,第二个算法适合固定预算设置,在不超过给定的最大查询数量的情况下最大化置信度。首先,我们正式证明了δ-PAC理论保证我们的算法在一定的规律性假设下,这是通过让效用函数从高斯过程中提取编码。然后,我们在一个由随机生成的游戏和代表简单现实世界安全设置的实例组成的测试平台上对我们的技术进行了实验评估。
2020-02-25 cs.GT cs.LG
Game-Theoretical Perspectives on Active Equilibria: A Preferred Solution Concept over Nash Equilibria
MID-LIDS;MIT-IBM Watson AI Lab(麻省理工学院-IBM沃森人工智能实验室);IBM-Research(IBM研究院);Mila(米拉);University of Oxford(牛津大学)
多智能体学习设置本质上比单智能体学习更困难,因为每个智能体在共享环境中与其他同时学习的智能体交互。多智能体强化学习的一个有效方法是考虑智能体的学习过程,并从每个智能体的角度影响他们未来的政策,以达到期望的行为。重要的是,如果每个智能体通过考虑其行为对收敛策略集的影响来最大化其长期回报,则所产生的多智能体系统达到主动均衡。虽然这个新的解决方案的概念是一般的,标准的解决方案的概念,如纳什均衡,是特殊情况下的积极平衡,这是不清楚的,当一个积极的平衡是一个首选的平衡比其他解决方案的概念。在本文中,我们分析积极的均衡从博弈论的角度来看,通过仔细研究的例子,纳什均衡是已知的。通过直接比较这些例子中的主动均衡和纳什均衡,我们发现主动均衡比纳什均衡找到更有效的解决方案,得出主动均衡是多智能体学习设置的理想解决方案。
2022-10-28 cs.AI cs.GT
Game Theoretic Rating in N-player general-sum games with Equilibria
DeepMind(深度思维);University College London(伦敦大学学院);Google(谷歌);Carnegie Mellon University(卡内基梅隆大学)
博弈中的评级策略是博弈论和人工智能的一个重要研究领域,可以应用于任何现实世界的竞争或合作环境。传统上,只有策略之间的传递依赖关系被用于对策略进行评级(例如Elo),然而最近的工作已经扩展了评级,以利用博弈论解决方案来更好地对非传递博弈中的策略进行评级。本文推广了这些思想,并根据收益评级系统提出了适用于正规型博弈中N人一般和策略评级的新算法。这使得成熟的解决方案概念,如均衡,能够被利用来有效地评估具有复杂策略交互的游戏中的策略,这些策略交互出现在多智能体训练和许多智能体之间的真实世界交互中。我们经验验证我们的方法对现实世界的正常形式的数据(英超联赛)和多智能体强化学习代理评估。
2022-10-05 cs.GT cs.LG cs.MA
Towards Characterizing the First-order Query Complexity of Learning (Approximate) Nash Equilibria in Zero-sum Matrix Games
本文研究零和矩阵博弈一阶查询复杂度,完整刻画精确均衡需线性于 $K$ 次查询,并提出新下界技术证明小 $\varepsilon$ 下的 $\tilde\Omega(\log(1/(K\varepsilon)))$ 下界。
2023-11-02 cs.GT math.OC stat.ML
Distributed Methods for Computing Approximate Equilibria
我们提出了一个新的分布式方法来计算近似纳什均衡的双矩阵游戏。与以前同时分析两个支付矩阵的方法(例如,通过求解结合两个玩家支付的单个LP)相比,我们的算法首先求解两个独立的LP,每个LP都来自两个支付矩阵中的一个,然后仅使用玩家之间的有限通信来计算近似纳什均衡。我们的方法有几个应用程序的改进边界的有效计算近似纳什均衡的双矩阵游戏。首先,它产生了一个最佳的多项式时间算法计算\emph{approximate well-supported Nash equilibria (WSNE)},这保证找到一个0.6528-WSNE在多项式时间。此外,由于我们的算法分别解决了两个LP,它可以用来改善最知名的算法在有限的通信设置:该算法可以实现,以获得一个随机的预期多项式时间算法,使用多对数通信,并找到一个0.6528-WSNE。该算法还可以被执行以击败查询复杂度设置中的最佳已知界限,需要$O(n \log n)$支付查询来计算0.6528-WSNE。最后,我们的方法也可以适用于提供最知名的通信有效的算法计算\emph{approximate Nash equilibria}:它使用多对数通信找到一个0.382近似纳什均衡。
2015-12-10 cs.GT
Well-Supported versus Approximate Nash Equilibria: Query Complexity of Large Games
研究了大型博弈中近似纳什均衡的随机查询复杂性。我们证明了,对于一些常数$ε>0$,任何随机预言机算法,计算一个$ε$ -ANE在一个二进制动作,$n$ -玩家游戏必须使$2^{Ω(n/\log n)}$支付查询。对于强解概念的良好支持的纳什均衡(WSNE),Babichenko先前给出了一个指数$2^{Ω(n)}$下界的随机查询复杂度$ε$ -WSNE,对于一些恒定的$ε>0$ ;相同的下界被证明适用于$ε$ -ANE,但只有当$ε=O(1/n)$。我们的结果回答了Hart和Nisan和Babichenko提出的一个公开问题,并且非常接近于$2^n$的平凡上界。我们的证明依赖于一个通用的减少,从找到一个$ε$ -WSNE的问题,找到一个$ε/(4α)$ -ANE的问题,在大型游戏与$α$的行动,这可能是独立的利益。
2015-11-03 cs.CC cs.GT
Exchangeable Equilibria, Part I: Symmetric Bimatrix Games
我们引入了对称双矩阵博弈的可交换均衡的概念,定义为在给定一些隐藏变量的情况下,局中人的策略选择是条件独立同分布的那些相关均衡。我们给出了几个博弈论的解释和一个版本的“启示原则”。几何上,可交换均衡的集合是凸的,并且位于对称纳什均衡和对称相关均衡之间。可交换均衡比对称纳什均衡能获得更高的期望效用。
2014-01-20 cs.GT
Near Rationality and Competitive Equilibria in Networked Systems
越来越多的文献在网络系统的研究依赖于博弈论和机制设计建模和解决潜在的缺乏合作的自私的用户之间。大多数应用于系统研究的博弈论模型只描述纯纳什均衡的竞争均衡,即每个用户的策略是确定性的,并且是她对所有其他用户策略的最佳反应。然而,纯纳什均衡成立所需的假设对于实际系统来说可能过于严格。使用三个案例研究计算机安全,TCP拥塞控制,网络形成,我们概述了依赖于纳什均衡的博弈论模型的局限性,我们认为,考虑更一般形式的竞争性均衡可能有助于调和从博弈论模型的预测与经验观察到的行为。
2004-04-20 cs.GT cs.NI
Settling the complexity of computing approximate two-player Nash equilibria
我们证明了存在一个常数$ε>0$,使得在PPAD的指数时间假设下,计算两个玩家(nXn)博弈中的$ε$ -近似纳什均衡需要准多项式时间,$n^{\log^{1-o(1)} n}$。这与Lipton、Markakis和Mehta [LMM 03]的算法相匹配(直到o(1)项)。我们的证明依赖于各种技术的概率可检查的证据(PCP)的研究,这是第一次,这样的想法被用于减少PPAD内的问题。在途中,我们还证明了新的硬度结果计算纳什均衡在游戏中有许多球员。特别是,我们表明,计算一个$ε$近似纳什均衡在游戏中的n个球员需要$2^{Ω(n)}$甲骨文查询的支付张量。这解决了Hart和Nisan [HN 13]、Babichenko [Bab 14]和Chen等人[CCT 15]提出的一个未决问题。事实上,我们对n人博弈的结果更强:它们与Babichenko等人最近引入的$(ε,δ)$ -WeakNash松弛相关。[BPR 16]。
2016-08-29 cs.CC cs.GT
Nash Equilibria and Pitfalls of Adversarial Training in Adversarial Robustness Games
Carnegie Mellon University(卡内基梅隆大学);University of Waterloo(滑铁卢大学)
对抗性训练是训练对抗性鲁棒模型的标准技术。在本文中,我们研究了对抗性训练作为2人零和游戏中的交替最佳反应策略。我们证明,即使在一个简单的情况下的线性分类器和统计模型,抽象的强大与非强大的功能,这种游戏的交替最佳对策策略可能不会收敛。另一方面,存在唯一的纯纳什均衡的游戏,是可证明的强大。我们用实验来支持我们的理论结果,展示了对抗训练的非收敛性和纳什均衡的鲁棒性。
2023-02-28 cs.GT cs.LG
Correlated Equilibria and Fairness in Concurrent Stochastic Games
博弈论技术和均衡分析促进了竞争系统的设计和验证。虽然均衡计算的算法复杂性已被广泛研究,但博弈论方法的实际实现和应用是最近才出现的。工具,如PRISM游戏支持自动验证和合成的零和和(ε-最优子博弈完美)社会福利纳什均衡性能并发随机游戏。然而,这些方法变得效率低下的代理人的数量增长,也可能产生的均衡,产生显着的变化,个别代理人的结果。相反,我们考虑相关的均衡,其中玩家可以通过公共信号进行协调,并引入一个替代的社会公平的最优性标准,它可以应用于纳什均衡和相关均衡。我们发现,相关的均衡更容易计算,更公平,也可以改善联合结果。我们实现了范式游戏和更复杂的情况下,多玩家并发随机游戏的时间逻辑规范的算法。
2022-02-01 cs.GT cs.LO
Verification of Correlated Equilibria in Concurrent Reachability Games
Université Libre de Bruxelles(布鲁塞尔自由大学);Rice University(莱斯大学)
本文研究了并发可达游戏中相关均衡的验证问题,提出子博弈完美相关均衡的概念,并分析了其计算复杂性,发现尽管相关均衡更一般,但其验证问题在标准复杂性假设下更难。
2026-04-27 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
Nash equilibria of quasisupermodular games
该研究针对拟超模博弈的纳什均衡,证明了三个相关结果,包括一个纯序理论定理和两个含拓扑假设的定理,且拓扑结果推广了Zhou定理与Calciano定理。
2024-06-19 cs.GT econ.TH
Study of the effect of cost policies in the convergence of selfish strategies in Pure Nash Equilibria in Congestion Games
在这项工作中,我们研究了一组全球资源的用户之间的竞争情况。更确切地说,我们研究的效果,这些资源所使用的成本政策在收敛时间到一个纯粹的纳什均衡。这项工作分为两部分。在理论部分,我们证明了各种成本政策的收敛时间的上下限。然后,我们实现了我们研究的所有模型,并提供了一些实验结果。这些结果遵循的理论与一个例外,这是最有趣的实验。在联盟用户的情况下,理论上界是伪多项式的用户数,但实验结果表明,收敛时间是多项式。
2011-03-25 cs.GT
Mixed Nash Equilibria in the Adversarial Examples Game
Facebook AI Research(脸书人工智能研究院);Ecole Polytechnique Fédérale de Lausanne(洛桑联邦理工学院);Université Paris-Dauphine(巴黎第九大学);ENSAE(法国国立统计与经济管理学校)
本文从博弈论的角度来处理对抗性例子的问题。我们研究了攻击者和分类器形成的零和博弈中混合纳什均衡存在性的公开问题。虽然以前的作品通常只允许一个球员使用随机化策略,我们显示了考虑随机化的分类器和攻击者的必要性。我们证明,这个游戏没有对偶差距,这意味着它总是承认近似纳什均衡。我们还提供了第一个优化算法来学习混合的分类器,近似实现这个游戏的价值,\emph{i.e.}程序来建立一个最佳的鲁棒随机分类器。
2021-02-13 cs.CR cs.GT cs.LG
Mediator Interpretation and Faster Learning Algorithms for Linear Correlated Equilibria in General Extensive-Form Games
本文揭示了线性交换遗憾与非定时通信偏差的等价性,并据此开发了更快的无遗憾算法,用于在一般扩展式博弈中高效计算线性相关均衡,理论和实践性能均大幅提升。
2024-03-16 cs.GT
Semicoarse Correlated Equilibria and LP-Based Guarantees for Gradient Dynamics in Normal-Form Games
本文证明正规形式博弈中投影梯度上升满足更强的线性 $Φ$-遗憾,提出半粗相关均衡这一新解概念,并利用基于线性规划的对偶方法分析了伯特兰竞争和第一价格拍卖中梯度学习收敛到纳什均衡的条件。
2025-06-04 cs.GT
A fundamental Game Theoretic model and approximate global Nash Equilibria computation for European Spot Power Markets
现货电力市场被认为是在博弈论的框架下,风险厌恶的球员提交订单的市场清算机制,以最大限度地提高自己的效用。与欧洲目前的做法相一致,市场出清机制被建模为一个社会福利最大化问题,分区定价,我们认为不灵活的需求,电网的物理约束,和能力受限的生产者。引入了一种新的基于最坏情况的非参数风险规避策略,降低了策略变量的维数,保证了价格的有界性。通过利用这些属性,我们设计Jacobi和高斯-赛德尔迭代方案计算近似的全球纳什均衡,这是在相反的衍生工具为基础的局部均衡。我们的方法应用于2019-2020年期间中西欧(CWE)现货市场的真实数据,并提供了价格历史时间序列的良好代表。通过解决真实投标的假设,我们设计了一个简单的方法,假设检验的基础上推断,如果以及何时生产商投标的战略(而不是如实),我们发现的证据表明,战略投标可能是相当明显的CWE地区。
2022-08-30 cs.GT econ.TH q-fin.MF
Large Supports are required for Well-Supported Nash Equilibria
我们证明了对于任何常数$k$和任何$ε<1$,存在双矩阵的输赢游戏,每个$ε$需要支持的基数大于$k$。要做到这一点,我们提供了一个图形理论表征的输赢游戏,拥有$ε$ -WSNE与常数基数支持。然后,我们应用Haight的加法数论中的一个结果来构造不满足刻画要求的输赢博弈。这些结构反驳了Daskalakis,Mehta和Papadimitriou和Myers的图论结构。
2015-04-14 cs.GT math.CO
Approximating Nash Equilibria in Normal-Form Games via Stochastic Optimization
该研究提出首个可用于无偏蒙特卡洛估计的标准型博弈近似纳什均衡损失函数,结合非凸随机优化技术得到有理论保证的新算法,实验证实随机梯度下降法效果优于现有最优方法。
2024-04-15 cs.GT cs.MA
Game-theoretic Models of Moral and Other-Regarding Agents
West University of Timişoara(蒂米什瓦拉西部大学)
我们研究有限范式博弈中的康德均衡,这是最近在经济学文献中提出的一类非纳什的、道德动机的行为过程。我们强调了一些问题,这样的平衡,包括计算的棘手性,高价格的失调,和昂贵的/有问题的扩展一般范式游戏。我们指出,这样一个适当的推广将可能涉及的概念,计划平衡。最后,我们提出了一些一般的,直观的,易于计算的,其他有关康德的均衡,以及一类行动的课程,纯粹的自我考虑和康德的行为之间的插值。
2021-04-05 cs.AI cs.GT cs.MA
Game-Theoretic Models of Moral and Other-Regarding Agents (extended abstract)
West University of Timi s oara
我们研究有限范式博弈中的康德均衡,这是最近在经济学文献中提出的一类非纳什的、道德动机的行为过程。我们强调了一些问题,这样的均衡,包括计算的棘手性,高价格的失调,和有问题的扩展一般范式游戏。我们给出了这样一个推广的基础上的概念的程序平衡,并指出,一个实际相关的推广可能不存在。为了弥补这一点,我们提出了一些一般的,直观的,计算上容易处理的,其他有关的平衡,是特殊情况下的康德平衡,以及一类行动课程,纯粹的自我考虑和康德行为之间的插值。
2021-06-22 cs.AI cs.GT cs.MA
The Blockchain Game: Synthesis of Byzantine Systems and Nash Equilibria
University of Nevada(内华达大学)
本文从容错分布式系统和博弈论两个正交的角度提出了区块链的综合观点。具体来说,我们在区块链的背景下制定了一个新的博弈论问题,并勾勒出一个封闭形式的纳什均衡的问题。
2019-12-20 cs.AI cs.DC cs.GT
Doomsday Equilibria for Omega-Regular Games
图上的二人博弈为反应合成等重要问题提供了理论框架。虽然传统的两人零和博弈的研究已经扩展到多人博弈的几个概念的平衡,他们是可判定的,只有完美的信息游戏,而一些应用程序需要的信息不对称的游戏。在本文中,我们提出了一个新的均衡的概念,称为末日均衡,这是一个战略配置文件,使所有的球员满足自己的目标,如果任何联盟的球员偏离和违反,甚至一个球员的目标,那么每个球员的目标是违反。我们目前的算法和复杂性的结果,决定存在的末日平衡的各种类别的欧米茄经常的目标,无论是为信息游戏,并为完美的信息游戏。我们提供了最佳的复杂性界限的信息博弈,并在大多数情况下,完美的信息博弈。
2013-11-13 cs.GT
Incentives, Equilibria, and the Limits of Healthcare AI: A Game-Theoretic Perspective
Cambridge Centre for AI in Medicine, University of Cambridge, UK(剑桥大学医学人工智能中心);Magdalene College, University of Cambridge, UK(剑桥大学玛格丽特学院)
本文通过住院容量管理的协调问题,描述三种AI部署形式,并分析其对系统行为的影响,指出只有改变激励结构的干预才能改变稳定均衡,为医疗AI的采购、治理和评估提供实践启示。
2026-05-31 cs.AI cs.GT
Computational and Data Requirements for Learning Generic Properties of Simulation-Based Games
经验博弈论分析(EGTA)主要集中在学习基于模拟的游戏的均衡。最近的方法通过学习游戏效用的一致近似来解决这个问题,然后应用精确召回定理:即,真实博弈的所有均衡都是估计博弈的近似均衡,反之亦然。在这项工作中,我们将这种方法推广到所有表现良好的游戏属性(即,Lipschitz连续效用),包括后悔(定义纳什均衡和相关均衡),对抗价值,以及幂均值和基尼社会福利。此外,我们引入了一种新的算法-渐进式采样修剪(PSP)-学习的一致逼近,从而任何行为良好的属性的游戏,修剪策略配置文件一旦相应的球员的效用得到很好的估计,我们分析其数据和查询的复杂性的先验未知的效用方差。我们对我们的算法进行了广泛的实验,结果表明:1)PSP保存的查询数量对效用方差分布高度敏感,2)PSP始终优于理论上限,实现了比自然基线显着降低的查询复杂度。我们的结论与实验,揭示了一些剩余的困难与基于模拟的游戏的学习特性,尽管最近的进展,统计EGTA方法,包括在此开发的。
2022-08-12 cs.GT
On Game-Theoretic Risk Management (Part Two) -- Algorithms to Compute Nash-Equilibria in Games with Distributions as Payoffs
本文通过关于如何计算收益为概率分布的博弈中的均衡的算法细节,扩展了在先驱作品“Towards a Theory of Games with Payoffs that are Probability-Distributions”(arXiv:1506.07368 [q-fin.EC])中提出的博弈论风险管理框架。我们的方法是“数据驱动”的,因为我们假设经验数据(测量,模拟等)。可以编译成分布模型,适用于关于偏好的有效决策,并使用这些作为收益来设置和解决游戏。虽然如果使用非参数方法(核密度估计),分布之间的偏好变得非常简单,但使用这种模型计算游戏中的纳什均衡被发现是低效的(如果不是不可能的话)。事实上,我们给出了一个反例,其中虚构的发挥未能收敛的(特别不幸的)选择的游戏中的支付分布,并引入一个合适的尾部近似的支付密度来解决这个问题。整个过程基本上是一个修改版本的虚构的游戏,并在这里描述的标准和多准则的游戏,迭代地提供一个(近似)纳什均衡。文中还给出了一种利用线性规划的精确方法。
2020-04-09 cs.GT econ.GN math.ST
Track selection in Multifunction Radars: Nash and correlated equilibria
从博弈论的角度研究了多功能雷达网中多目标跟踪的航迹选择问题。该问题被表述为一个非合作博弈。雷达被认为是在这个游戏中的球员与公用事业建模使用一个适当的跟踪精度标准和他们的策略是观察到的目标,其数量是已知的。首先,对于协调问题,纳什均衡的特点,为了找到平衡点,提出了一种分布式算法的基础上的最佳响应动态。然后,将分析扩展到目标部分可观测性、雷达连通性和雷达间利益异质的情况。利用相关均衡解的概念,提出了一种基于遗憾匹配的分布式算法。所提出的算法表现良好相比,集中式的方法显着更高的复杂性。
2017-04-14 cs.GT
Convex Markov Games and Beyond: New Proof of Existence, Characterization and Learning Algorithms for Nash Equilibria
Singapore University of Technology and Design(新加坡科技设计大学);University of California Irvine, USA(加州大学 Irvine 分校);Centre for Quantum Technologies, National University of Singapore(新加坡国立大学量子中心);Archimedes/Athena Research Center, Greece(阿基米德/雅典娜研究中心)
本文提出通用效用马尔可夫游戏(GUMGs)理论框架,证明Nash均衡的存在性与一阶静态点一致,并设计无模型策略梯度算法,扩展了传统cMGs的理论边界。
2026-02-12 cs.GT cs.LG cs.MA
A semantical approach to equilibria and rationality
博弈论均衡是理性的数学表达式。理性代理不仅用于模拟人类及其软件代表,还用于模拟生物体、种群、物种和基因,它们相互之间以及与环境之间的交互。理性行为不仅通过有意识的推理实现,而且通过在平衡点上的自发稳定实现。理性的正式理论通常受到非正式直觉的指导,这些直觉是通过观察一些具体的经济、生物或网络过程而获得的。将这些过程视为计算的实例,我们从计算的一些基本结构中重建和提炼了一些基本的平衡和合理性概念。当然,众所周知,均衡是以不动点的形式出现的;关键是,不动点计算的语义学似乎为它们的推理提供了新的代数和余代数方法。
2009-05-21 cs.GT
Efficiently Computing Equilibria in Budget-Aggregation Games
Technical University of Munich(慕尼黑工业大学);Paris Dauphine - PSL(巴黎第九大学-PSL);Ariel University(阿里埃勒大学)
本文提出在预算聚合游戏中高效计算纳什均衡的方法,解决了莱昂蒂夫效用下的开放性问题,并给出了ℓ₁偏好下的多项式时间算法。
2026-02-24 cs.CC cs.GT
From Behavior to Sparse Graphical Games: Efficient Recovery of Equilibria
Purdue University(普渡大学)
在本文中,我们研究的纯策略纳什均衡(PSNE)集的图形游戏从嘈杂的观察单独的球员的联合行动的精确恢复的问题。我们考虑稀疏线性影响博弈-一类具有线性收益的图形博弈,用n个节点(参与者)的有向图表示,且入度至多为k。我们提出了一个基于$\ell_1$正则化逻辑回归的算法,用于精确地恢复PSNE集,该算法在计算上是高效的-即在多项式时间内运行-并且在统计上是高效的-即具有对数样本复杂度。具体而言,我们表明,足够数量的样本所需的确切PSNE恢复规模为$\mathcal{O}(\mathrm{poly}(k) \log n)$。我们还验证了我们的理论结果,使用合成实验。
2016-10-19 cs.GT cs.LG stat.ML
Poincaré Recurrence, Cycles and Spurious Equilibria in Gradient-Descent-Ascent for Non-Convex Non-Concave Zero-Sum Games
Columbia University(哥伦比亚大学);Singapore University of Technology and Design(新加坡科技设计大学)
我们研究了一个广泛的非凸非凹极大极小博弈,推广了标准的双线性零和对策。在这个类中,玩家控制一个光滑函数的输入,该函数的输出被应用于一个双线性零和对策。这类游戏的动机是生成对抗网络中竞争的间接性质,其中玩家控制神经网络的参数,而实际竞争发生在生成器和神经网络捕获的分布之间。我们从理论上建立,根据问题的具体情况,梯度下降上升动力学可以表现出各种行为对立的收敛到游戏理论上有意义的最小-最大的解决方案。具体来说,不同形式的递归行为(包括周期性和庞加莱递归)是可能的,以及收敛到虚假的(非最小-最大)平衡的初始条件的积极措施。在技术层面上,我们的分析结合了优化理论,对策论和动力系统的工具。
2019-10-28 cs.GT cs.LG math.OC
GANs May Have No Nash Equilibria
Massachusetts Institute of Technology(麻省理工学院)
生成对抗网络(GANs)代表了两个机器玩家(生成器和代理)之间的零和游戏,旨在学习数据的分布。虽然GANs在几个基准学习任务中取得了最先进的性能,但GAN极大极小优化仍然带来了巨大的理论和经验挑战。使用一阶优化方法训练的GANs通常无法收敛到稳定的解决方案,其中参与者无法提高其目标,即,基本博弈的纳什均衡。这些问题提出了在GAN零和博弈中存在纳什均衡解的问题。在这项工作中,我们通过几个理论和数值结果表明,确实GAN零和游戏可能没有任何局部纳什均衡。为了描述适用于GANs的均衡概念,我们考虑一个新的零和博弈的均衡,该博弈的目标函数由应用于原始目标的邻近算子给出,我们称之为邻近均衡的解决方案。与纳什均衡不同,近端均衡捕获了GANs的顺序性质,其中发电机首先移动,然后是发电机。我们证明了Wasserstein GAN问题的最优生成模型提供了一个近似均衡。受这些结果的启发,我们提出了一种新的方法,我们称之为近端训练,用于解决GAN问题。我们讨论了几个数值实验证明存在的近平衡解的GAN极大极小问题。
2020-02-21 cs.GT cs.LG stat.ML
A Consumer-Theoretic Characterization of Fisher Market Equilibria
在本文中,我们把消费者理论承担在费雪市场的买方有任意连续的,凹的,齐次(CCH)的效用函数表示局部非满足的偏好分析。我们使用的主要工具是支出最小化和间接效用最大化的双重概念。首先,我们使用支出函数来构造一个新的凸规划,其对偶,如对偶的艾森伯格-盖尔计划,特点是CCH费舍尔市场的均衡价格。然后证明了凸规划对偶的次微分等于相关市场的负超额需求,这使得广义梯度下降等价于通过tâtonnement计算均衡价格。最后,我们运行了一系列的实验表明,tâtonnement可能会收敛的速度$O\left(\frac{(1+E)}{t^2}\right)$在CCH费舍尔市场,包括买家的需求弹性由$E$。我们对均衡价格的新刻画可能提供了一条路径,证明在费雪市场中,除了买方公用事业表现出恒定的替代弹性之外,价格的收敛性。
2022-01-04 cs.GT econ.TH
The Complexity of Computing Robust Mediated Equilibria in Ordinal Games
针对序数博弈缺乏混合策略指导、解易受效用设定误差影响的问题,本文提出结合民间定理构造与任意符合偏好的基数效用兼容的鲁棒均衡,并分析该均衡概念及多场景下的求解计算复杂度。
2024-07-10 cs.GT
Multiplayer Performative Prediction: Learning in Decision-Dependent Games
University of Washington(华盛顿大学)
学习问题通常表现出一种有趣的反馈机制,其中人口数据对竞争决策者的行为做出反应。本文针对这一现象提出了一个新的博弈论框架,称为“多人表演性预测”。我们专注于两个不同的解决方案的概念,即(i)表演稳定的均衡和(ii)纳什均衡的游戏。后一种均衡可以说是信息量更大,但只有当博弈是单调的时候才能有效地找到。我们表明,在温和的假设下,表演稳定的平衡,可以有效地找到各种算法,包括重复再培训和重复(随机)梯度法。然后,我们建立透明的充分条件强单调的游戏,并使用它们来开发算法寻找纳什均衡。我们研究了无导数方法和自适应梯度算法,其中每个玩家在学习其分布的参数描述和经验风险的梯度步骤之间交替。合成和半合成的数值实验说明了结果。
2022-04-06 cs.GT cs.LG math.OC
STON'R Converges to First-Order Nash~Equilibria of Multiplayer Games
Czech Technical University in Prague(布拉格捷克理工大学)
本文证明STON'R算法在多人一般和博弈中收敛到一阶纳什均衡,扩展了先前仅适用于零和或凹博弈的结果。
2026-06-08 cs.GT
On Existence, Mixtures, Computation and Efficiency in Multi-objective Games
在多目标博弈中,每个人的收益是每个人行动的\emph{vector-valued}函数。在这样的向量回报下,帕累托效率被用来制定每个人的最佳反应条件,将帕累托纳什均衡作为基本解决方案的概念。在这项工作中,我们遵循经典的博弈论议程来研究均衡。首先,我们以几种方式证明了存在许多纯策略帕累托-纳什均衡。其次,我们提出了一个更一致的扩展到混合策略均衡。第三,我们引入了一个衡量多目标博弈有效性的指标:多目标协调比。最后,我们提供算法,计算帕累托-纳什均衡和计算或近似的多目标协调比。
2018-09-13 cs.GT
A survey on algorithms for Nash equilibria in finite normal-form games
Peking University(北京大学);Huawei Noah’s Ark Lab(华为诺亚方舟实验室);Queen Mary University London(伦敦玛丽女王大学);University College London(伦敦大学学院)
该综述从理论与实证角度梳理有限标准式博弈中纳什均衡及近似解的各类算法,分类阐述算法设计思路,对比不同博弈下的算法表现,给出实用建议并提出待解决问题。
2023-12-18 cs.AI cs.DS cs.GT
Constant-Memory Strategies in Stochastic Games: Best Responses and Equilibria
The Hong Kong University of Science and Technology(香港科技大学)
本研究系统探讨随机博弈中的常数记忆策略,建立最佳响应与纳什均衡的理论结果,并验证于多个序贯决策基准,揭示单智能体与多智能体决策模型的联系。
2025-10-15 cs.GT cs.MA
Computing Walrasian Equilibria: Fast Algorithms and Structural Properties
我们提出了第一个多项式时间算法计算瓦尔拉斯均衡在一个经济与不可分割的商品和\emph{general}买方估价只能访问一个\emph{aggregate demand oracle},即,一种给出所有商品价格的神谕,返回整个购买者群体的总需求。对于总替代估价的重要特殊情况,我们的算法查询总需求Oracle $\widetilde{O}(n)$次,并花费$\widetilde{O}(n^3)$时间,其中$n$是商品的数量。在我们的解决方案的核心是一种方法,精确地最小化某些凸函数,不能评估,但可以计算的次梯度。我们还给出了已知的最快的算法计算瓦尔拉斯均衡总替代估值的\emph{value oracle model}。我们的算法具有运行时间$\widetilde{O}((mn + n^3) T_V)$,其中$T_V$是查询值oracle的成本。一个关键的技术成分是正则化的凸规划制定的方式,次梯度是廉价的计算问题。在此过程中,我们给出了\emph{robust Walrasian prices}存在的充分必要条件,即,每个代理人都有一个唯一的需求捆绑,并且需求捆绑清除市场。当这样的价格存在时,市场可以通过单独使用价格来完美协调。
2016-04-05 cs.GT math.OC
Ex-Post Equilibria: Structure and Computation
HEC Paris(巴黎高等商学院);Columbia University(哥伦比亚大学)
本文针对带参数不确定性的同时行动博弈,研究事后均衡(EPEs)的结构,刻画其性质,引入最优近似EPEs概念,分析其在零和博弈与凹势博弈中的计算问题并给出相关结果。
2026-08-10 cs.GT
A Continuation Method for Nash Equilibria in Structured Games
结构化博弈表示最近引起了人们的兴趣,作为多智能体人工智能场景的模型,理性行为最常见的特点是纳什均衡。本文提出了有效的,精确的算法计算纳什均衡结构化的游戏表示,包括图形游戏和多智能体影响图(MAID)。该算法是从正常形式和扩展形式的游戏由于Govindan和威尔逊的延续方法;他们遵循的轨迹通过扰动的游戏和他们的平衡空间,利用游戏结构,通过快速计算的雅可比矩阵的支付函数。理论上保证他们至少能找到一个博弈均衡,而且可能找到更多。我们的方法提供了第一个有效的算法计算精确的平衡,在图形游戏任意拓扑结构,第一个算法,利用细粒度的结构特性的MAID。实验结果证明了算法的有效性,并将其与前人进行了比较。图形游戏算法的运行时间与以前的近似算法的运行时间相似,并且往往更好。MAID算法可以有效地解决比以前的方法可解的游戏大得多的游戏。
2011-09-29 cs.GT
Asymptotically Optimal Distributed Channel Allocation: a Competitive Game-Theoretic Approach
本文研究了频率选择性干扰信道下大型网络中的分布式信道分配问题。性能通过可实现速率的加权和来衡量。首先,我们提出了一个自然的非合作博弈理论制定这个问题。结果表明,当干扰足够强时,该博弈的纯无政府状态无政府代价以高概率趋近无穷大,且存在渐近递增的最差均衡点.然后,我们提出了一种新的非合作M频率选择性干扰博弈(M-FSIG),其中用户限制他们的效用,使其大于零,只有他们的M个最佳信道,并为他们平等。我们表明,M-FSIG表现出,具有很高的概率,越来越多的最佳纯纳什均衡,没有坏的均衡。因此,无政府状态的纯粹无政府代价在任何干预体制中都有可能收敛为一。为了利用这些结果在算法上,我们提出了一个修改后的Fictionary Play算法,可以分布式实现。我们进行了模拟,证明其快速收敛到纯纳什均衡。
2016-03-12 cs.GT cs.IT math.IT
Dynamical selection of Nash equilibria using Experience Weighted Attraction Learning: emergence of heterogeneous mixed equilibria
Department of Mathematics, King’s College London(伦敦国王学院数学系)
本文研究了大游戏中策略分布,分析了纳什均衡的分类及EWA学习如何打破均衡不确定性,揭示异质混合均衡的形成机制。
2017-06-29 cond-mat.stat-mech cs.GT cs.LG
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
Probabilistic Model Checking for Strategic Equilibria-based Decision Making: Advances and Challenges
博弈论的概念在经济学中得到了广泛的研究,以提供对竞争行为和战略决策的洞察。随着计算系统越来越多地涉及到并发动作的自主智能体,博弈论方法作为一种忠实的建模抽象在计算机科学中变得越来越普遍。这些技术可用于推理具有不同目标或目的的多个理性主体的竞争或协作行为。本文提供了一个概述的最新进展,在开发一个建模,验证和策略合成框架的概率模型检查器PRISM游戏中实现的并发随机游戏。这是基于一个时间逻辑,支持有限和无限地平线的时间属性在零和非零和设置,后者使用纳什和相关的平衡相对于两个最优性标准,社会福利和社会公平。我们总结了关键概念,逻辑和算法,以及目前可用的工具支持。未来的挑战和适应的框架和算法解决方案,以连续的环境和神经网络的最新进展也进行了概述。
2022-06-30 cs.FL cs.GT
Learning in Games with Cumulative Prospect Theoretic Preferences
我们考虑重复的游戏,玩家的行为根据累积前景理论(CPT)。我们表明,当球员校准策略和行为根据CPT,在CPT的情况下,由Keskin定义的相关均衡的概念的自然模拟,是不足以捕捉所有的行动发挥的经验分布的基本限制。我们定义的概念介导的CPT相关均衡通过扩展的阶段游戏,所谓的介导的游戏。然后,我们表明,沿着福斯特和Vohra的结果收敛到一组相关的均衡时,玩家的行为根据预期效用理论,在CPT的情况下,校准学习的经验分布的行动发挥收敛到一组所有介导的CPT相关的均衡。我们还表明,在一般情况下,CPT相关的平衡集是不可接近的Blackwell可接近性意义。我们观察到中介博弈是一种特定类型的沟通博弈,正如迈尔森所介绍的那样,因此我们得到启示原则在CPT下不成立。
2020-07-17 cs.GT
Cooperation Dynamics in Multi-Agent Systems: Exploring Game-Theoretic Scenarios with Mean-Field Equilibria
School of Technology, Woxsen University(沃克森大学技术学院)
本文研究多智能体系统中如何激发合作,通过改进迭代囚徒困境策略,并利用平均场博弈论为无限规模智能体建立均衡解,结合MA-PCA训练器仿真验证群体合作奖励机制。
2024-05-03 cs.AI cs.GT