Player preferences in $N$-player games
在本文中，我们描述了几个玩家的喜好，在游戏中的$N \geq 2$球员，特别是$N = 3$的情况下，并使用它们来简化游戏树，使用的游戏Clobber作为我们的例子。我们表明，使用一个固定的开始球员和一定的规则，任何短的游戏可以简化为一个非常简洁的设置值。忽略固定的首发球员，并将理论推广到超过3名球员仍然是一个挑战。
2018-06-04 cs.GT
Robustness and sample complexity of model-based MARL for general-sum Markov games
多智能体强化学习（MARL）通常使用马尔可夫博弈（也称为随机博弈或动态博弈）的框架建模。现有的文献大多集中在零和马尔可夫博弈，但不适用于一般和马尔可夫博弈。众所周知，一般和马尔可夫博弈中的最佳反应动态不是收缩。因此，一般和马尔可夫博弈中的不同均衡可以有不同的值。此外，Q函数不足以完全表征平衡。考虑到这些挑战，基于模型的学习是一个有吸引力的方法MARL在一般和马尔可夫游戏。在本文中，我们调查的基本问题，\emph{sample complexity}的一般和马尔可夫博弈模型为基础的MARL算法。我们展示了两个结果。我们首先使用Hoeffding不等式为基础的界限表明，$\tilde{\mathcal{O}}( (1-γ)^{-4} α^{-2})$样本每个状态-动作对是足够的，以获得一个$α$近似马尔可夫完美均衡与高概率，其中$γ$是折扣因子，和$\tilde{\mathcal{O}}(\cdot)$符号隐藏对数项。然后，我们使用Bernstein不等式为基础的界限表明，$\tilde{\mathcal{O}}( (1-γ)^{-1} α^{-2} )$样本是足够的。为了得到这些结果，我们研究了马尔可夫完美均衡对模型近似的鲁棒性。我们证明了近似（或扰动）博弈的马尔可夫完美均衡总是原博弈的近似马尔可夫完美均衡，并提供了近似误差的明确界。我们通过一个数值例子来说明结果。
2022-12-19 cs.GT cs.MA cs.SY
Preference Communication in Multi-Objective Normal-Form Games
Vrije Universiteit Brussel（布鲁塞尔自由大学）；HU University of Applied Sciences Utrecht（乌得勒支应用科学大学）
我们考虑两人多目标范式博弈中的偏好交流。在这种博弈中，联合行动的收益是向量值的。以效用为基础的方法，我们假设存在一个效用函数为每个球员向量映射到标量效用，并考虑代理，旨在最大限度地提高预期收益向量的效用。由于智能体通常不知道对手的效用函数或策略，它们必须学习策略才能相互交互。受Stackelberg游戏的启发，我们引入了四种新的偏好通信协议，以帮助代理在到达足够的解决方案。每个协议都描述了一种特定的方法，供一个代理传递对其操作的偏好以及另一个代理如何响应。此外，为了研究何时出现通信，我们引入了一个通信协议，代理必须学习何时进行通信。这些协议随后在一组五个基准游戏上进行评估，以对抗不进行通信的基线代理。我们发现，偏好的沟通可以改变学习过程，并导致出现的循环政策，以前没有观察到在这种情况下。我们进一步观察到，由此产生的政策在很大程度上取决于所玩游戏的特征。最后，我们发现，沟通自然出现在合作和自我利益的设置。
2022-06-10 cs.GT cs.LG cs.MA
Zero-Sum Semi-Markov Games with State-Action-Dependent Discount Factors
半马尔可夫模型是随机动态系统的最一般模型之一。本文研究半马氏过程的二人零和对策。我们专注于期望贴现支付准则与国家行动依赖的折扣因子。状态空间和动作空间都是波兰空间，支付函数是$ω$ -有界的。我们首先在一个给定的半马尔可夫核和一对策略下构造了一个相当一般的半马尔可夫博弈模型。其次，基于半马尔可夫对策的标准正则性条件和连续紧性条件，在半马尔可夫核上导出了一个“漂移条件”，并假设折扣因子有一个正下界，在此条件下，利用Shapley方程证明了半马尔可夫对策的价值函数和一对最优平稳策略的存在性.此外，当状态和行动空间都是有限的，价值迭代型算法计算的价值函数和$\varepsilon$ -纳什均衡的游戏。并证明了算法的收敛性。最后，我们进行数值例子来证明我们的主要结果。
2021-03-06 cs.GT math.OC
Pure and Stationary Optimal Strategies in Perfect-Information Stochastic Games with Global Preferences
本文研究了两个局中人对抗的最优确定性平稳策略的存在性问题本文讨论了具有多个状态和行动的完全信息随机对策的最优稳定策略的存在性问题，证明了这类策略的存在性是由某些单局人对策的最优稳定策略的存在性导出的，从而将问题从两局人对策归结为单局人对策（马尔可夫决策问题），通常它是更容易处理。减少是非常普遍的，它不仅适用于所有可能的支付映射，但也适用于更一般的情况下，球员的偏好不表示的支付。
2016-11-25 cs.GT
Individual-based stability in hedonic games depending on the best or worst players
我们考虑联盟形成游戏中，每个球员有偏好的其他球员和他的偏好联盟是基于最好的球员（$\mathcal{B}$ -/B-享乐游戏）或最差的球员（$\mathcal{W}$ /W-享乐游戏）的联盟。我们表明，$\mathcal{B}$ -享乐游戏，一个单独的稳定分区是保证存在的，可以有效地计算。类似地，存在一个多项式时间算法，它返回一个纳什稳定分区（如果存在）的$\mathcal{B}$ -享乐游戏严格的偏好。如果假设个人理性，那么$\mathcal{W}$ -享乐博弈和W-享乐博弈是等价的。它还表明，B-或$\mathcal{W}$ -享乐游戏，检查是否存在纳什稳定分区或单独稳定分区是NP-完全的，即使在某些情况下，严格的偏好。我们确定了一个关键的来源，棘手的紧凑联盟形成游戏中，对球员的偏好扩展到联盟的偏好。
2011-12-03 cs.GT
Approximation Algorithm for the Binary-Preference Capacitated Selfish Replication Game and a Tight Bound on its Price of Anarchy
我们考虑一般无向网络上具有二进制偏好的能力限制自私复制（CSR）博弈。我们首先表明，这样的游戏有一个相关的普通的潜在功能，因此总是承认一个纯策略纳什均衡（NE）。进一步地，当网络的最小度与资源数量相同量级时，存在精确的多项式时间算法可以找到网元。在此之后，我们研究了这种博弈的无政府无政府代价，并证明了它的上界为3，我们进一步提供了一些例子，无政府的无政府代价至少是2。我们开发了一个准多项式算法O（n^2D^{ln n}），其中n是参与者的数量，D是网络的直径，它可以以分布式的方式找到一个最优分配的常数因子内的分配配置文件，从而找到游戏的任何纯策略NE。证明这一结果使用了一个新的潜在的功能。
2016-03-11 cs.DM cs.GT cs.MA
Fundamental Limits of Game-Theoretic LLM Alignment: Smith Consistency and Preference Matching
本文系统研究博弈论LLM对齐中基于成对偏好的收益选择，建立Condorcet一致性、多样性与Smith一致性的充要条件，并证明偏好匹配的不可能性，揭示其基本极限。
2025-05-27 cs.GT stat.ML
The Lagrangian Method for Solving Constrained Markov Games
本文提出拉格朗日博弈概念，并通过原始-对偶迭代方法求解带约束马尔可夫博弈，证明其解序列收敛到原博弈的非平稳纳什解。
2025-03-13 cs.GT math.OC
You Can't Always Get What You Want: Games of Ordered Preference
本文研究具有有序偏好层级的非合作博弈，提出递归推导一阶最优性条件的方法，并通过逐步收紧的松弛将其转化为混合互补问题求解，实验证明该方法能可靠收敛到反映个体偏好层级的广义纳什均衡。
2025-07-04 cs.GT cs.MA
Learning in Continuous Games from Pairwise Preference Feedback
Singapore University of Technology and Design（新加坡科技设计大学）
本文研究连续博弈中仅依赖成对偏好反馈的学习问题，提出序数遗憾基准与块归一化伪梯度动力学，实现次线性遗憾及纳什收敛，无需重建基数效用。
2026-10-06 cs.GT cs.LG math.OC
Independent Policy Gradient for Large-Scale Markov Potential Games: Sharper Rates, Function Approximation, and Game-Agnostic Convergence
University of Southern California（南加州大学）；Massachusetts Institute of Technology（麻省理工学院）
研究了马尔可夫势博弈中多智能体强化学习（RL）问题的策略梯度方法的全局非渐近收敛性.为了学习纳什均衡的MPG中的状态空间的大小和/或玩家的数量可以是非常大的，我们提出了新的独立的策略梯度算法，是由所有玩家串联运行。当梯度评估中没有不确定性时，我们证明了我们的算法找到了具有$O(1/ε^2)$迭代复杂度的$ε$ -纳什均衡，该迭代复杂度不显式地依赖于状态空间大小。当精确的梯度是不可用的，我们建立$O(1/ε^5)$样本复杂性界在一个潜在的无限大的状态空间的基于样本的算法，利用函数逼近。此外，我们确定了一类独立的策略梯度算法，享有收敛的零和马尔可夫游戏和马尔可夫合作游戏的球员，是不知道正在玩的游戏类型。最后，我们提供了计算实验来证实我们的理论发展的优点和有效性。
2022-08-04 cs.GT cs.LG cs.MA
Tolling for Constraint Satisfaction in Markov Decision Process Congestion Games
马尔可夫决策过程（Markov decision process，MDP）拥塞博弈是经典拥塞博弈的一种扩展，其中自私代理的连续种群解决了具有拥塞的马尔可夫决策过程：策略的收益随着更多的种群使用它而减少。特别是，我们表明，在MDP拥挤游戏中的人口质量约束相当于对奖励函数施加通行费/激励，社会规划者可以利用它来实现辅助目标。我们在一个模拟的西雅图乘车共享模型中演示了这种方法，其中收费和激励措施是为了两个独立的目标而实施的：保证西雅图市中心的最小驾驶员密度，并将游戏均衡转向最大的社会产出。
2019-03-02 cs.GT math.OC
On Zero-Sum Two Person Perfect Information Semi-Markov Games
零和二人完全信息半马尔可夫博弈在有限比率平均支付下存在一个值，最大者和最小者都有最优纯半平稳策略。我们得到的结果，首先固定一个任意的初始状态，并形成对应于每对纯静态策略的两个球员的未贴现收益矩阵，并证明该矩阵有一个纯鞍点。
2023-02-14 cs.GT math.OC
Evolutionarily Stable Preferences Against Multiple Mutations in Multi-player Games
Institute of Economics Academia Sinica（中央研究院经济研究所）；Department of Economics Soochow University（东吴大学经济学系）
该研究针对单、多种群匹配设定，运用间接进化方法推导n玩家博弈中多重突变稳定的充要条件，揭示稳定阶与效率水平的关联，丰富了博弈中进化稳定偏好的理论研究。
2026-08-04 cs.GT
Dynamic Coalitions in Games on Graphs with Preferences over Temporal Goals
本文提出了一种在确定性图上多人博弈子类中合成动态联盟策略的新方法，扩展了容许性概念并定义值函数，通过多项式时间算法为所有参与者合成容许策略，实验证明动态联盟优于固定联盟且偏好与合作关系并非绝对对应。
2025-01-29 cs.GT
Preferences for efficiency, rather than preferences for morality, drive cooperation in the one-shot Stag-Hunt Game
最近的工作强调，在一次性囚徒困境（PD）的合作主要是由道德偏好做正确的事情，而不是公平或效率的社会偏好。相比之下，在猎鹿游戏（SHG）中，人们对合作的动机知之甚少。SHG中的合作与PD中的合作根本不同，因为它不是昂贵的，而是有风险的：参与者没有偏离合作结果的诱惑，但合作只有在其他参与者合作的情况下才有回报。在这里，我们提供了一个大的（N=436），预注册，实验的数据。相反，已经观察到的PD，我们发现，SHG合作主要是由效率的偏好，而不是偏好做正确的事情。
2019-08-08 cs.GT physics.soc-ph q-bio.PE
Facility Location Games with Ordinal Preferences
我们考虑了一个新的设置的设施位置的顺序偏好的游戏。在这样的环境中，我们有一套代理和一套设施。每个代理位于一条线上，并对设施有一个顺序偏好。我们的目标是设计的strategyproof机制，引出真实的信息（偏好和/或位置）从代理和定位的设施，以最大限度地减少最大和总成本的目标，以及最大限度地提高最小和总效用的目标。对于四个可能的目标，我们考虑2设施设置，其中只有偏好是私人的，或位置是私人的。对于每一个可能的目标和设置的组合，我们提供了上下限的近似比率的strategyproof机制，这是渐近紧到一个常数。最后，我们讨论了我们的结果的推广超出两个设施，当代理可以误报的位置和偏好。
2021-07-04 cs.GT
On Non-Cooperative Perfect Information Semi-Markov Games
本文证明N人非合作完全信息半马尔可夫博弈在极限比率平均收益下存在纯半平稳纳什均衡，通过归约为SMDP简化证明，并用Mondal算法求解。
2024-02-26 cs.GT math.OC
Nash Equilibrium in Games on Graphs with Incomplete Preferences
本文研究图上双人博弈中具有不完整偏好的纳什均衡计算问题，利用确定必胜和帕累托效率刻画并证明均衡存在性，并通过无人机配送机制设计实例验证理论结果。
2024-08-11 cs.GT
Preference-CFR$\:$ Beyond Nash Equilibrium for Better Game Strategies
提出 Preference-CFR 方法，通过引入偏好度和脆弱度参数在可接受性能损失内调整策略分布，在德州扑克中成功训练出性能相当且风格多样的策略，为职业玩家提供新见解。
2025-05-28 cs.GT cs.MA
$Q$ Can Play That Game: Online Fitted $Q$-Iteration for Continuous-Action Zero-Sum Markov Games with Convex-Concave Function Approximation
The University of Texas at Austin（德克萨斯大学奥斯汀分校）；The University of California, Berkeley（加州大学伯克利分校）；Massachusetts Institute of Technology (MIT) Lincoln Labs（麻省理工学院林肯实验室）
针对连续动作零和马尔可夫博弈，提出凸-凹函数逼近的在线拟合Q-迭代方法，首次为非LQ博弈提供有限样本保证。
2026-10-06 cs.GT cs.MA
PAC Reinforcement Learning Algorithm for General-Sum Markov Games
University of Delaware（特拉华大学）
本文提出了一个理论框架，可能近似正确（PAC）的多智能体强化学习（MARL）算法的马尔可夫博弈。本文利用延迟Q学习的思想，对著名的Nash Q-学习算法进行了扩展，建立了一种新的求解一般和马尔可夫对策的PAC MARL算法。除了指导可证明的PAC MARL算法的设计外，该框架还可以检查任意MARL算法是否是PAC。比较数值结果表明性能和鲁棒性。
2020-09-05 cs.GT cs.LG math.OC
Existence of Stability in Hedonic Coalition Formation Games
在本文中，我们研究了\emph{hedonic coalition formation games}，其中每个球员的偏好分区的球员只取决于他的联盟的成员。我们提出了三个主要的结果，其中对玩家的偏好的限制保证了各种稳定性概念的稳定分区的存在。偏好限制与\emph{top responsiveness}和\emph{bottom responsiveness}有关，它们分别模拟了玩家的乐观和悲观行为。存在性结果适用于\emph{additive separable hedonic games}和\emph{hedonic games with \B-preferences}的自然子类。我们的存在性结果不能被加强的情况下，更强的已知的稳定性概念。
2012-01-23 cs.GT
Sequential Decision Making in Stochastic Games with Incomplete Preferences over Temporal Objectives
研究双人随机博弈中基于时间目标不完全偏好的策略合成问题，引入非支配几乎必然获胜解概念，确保实现符合偏好的最优结果并保持对对手的鲁棒性，且在风险规避下构成纳什均衡。
2025-01-27 cs.FL cs.GT
Markov Chains of Evolutionary Games with a Small Number of Players
本文构建并研究了有限参与者演化博弈的马尔可夫链转移概率矩阵，基于Sandholm的简化种群博弈框架，通过迭代囚徒困境等示例及多种修正协议，显式构建MC转移概率矩阵并分析其性质。
2025-06-29 cs.GT math.OC
Approximate State Abstraction for Markov Games
The University of Electro-Communications（电气通信大学）；CyberAgent
本文研究双人零和马尔可夫博弈的状态抽象方法，通过合并状态降低计算均衡的难度，推导了对偶间隙的界限以评估抽象后博弈均衡解与原博弈的距离，并在马尔可夫足球中验证了该方法。
2024-12-20 cs.AI cs.GT cs.MA
Sensitivity Analysis for Markov Decision Process Congestion Games
我们考虑一个非原子拥塞游戏，每个决策者执行自私的优化状态的一个共同的MDP。决策者对自己的期望成本进行优化，并通过阻塞效应对国家行动成本的影响相互影响。我们分析了MDP拥塞博弈均衡对状态-行动成本的不确定性和扰动的敏感性。定义了随机Braess悖论的发生，基于博弈均衡的敏感性进行了分析，并在仿真中进行了演示。我们进一步分析了与确定性动力学相比，随机动力学的引入如何影响布雷斯悖论的大小。
2019-09-12 cs.GT math.OC
Subgame Perfection in Graph Games with $ω$-Recognizable Preference Relations
Université de Mons (UMONS)（蒙斯大学）；Université libre de Bruxelles (ULB)（布鲁塞尔自由大学）
本文研究多人图博弈中约束子博弈完美均衡的存在性问题，提出基于$\omega$-可识别偏好关系的通用框架，并证明该问题及纳什均衡存在性均为EXPTIME完全。
2026-09-22 cs.GT
Approximate solutions to games of ordered preference
本文提出一种名为“随时间变化的字典序 IBR”的求解策略，通过在 receding horizon 框架中利用历史信息加速收敛，高效计算有序偏好博弈的近似最优解并收敛至广义纳什均衡，有效避免了复杂性过度增长。
2025-07-15 cs.GT cs.SY eess.SY
A Semi-Potential for Finite and Infinite Sequential Games (Extended Abstract)
我们考虑一个动态的方法来序贯游戏。通过限制转换关系的战略配置文件，我们得到一个半潜在的（在Kukushkin的意义上），我们表明，在有限的游戏中，相应的限制更好的反应动态将收敛到一个纳什均衡在二次时间。收敛发生在每个参与者的基础上，即使存在循环偏好的参与者，非循环偏好的参与者也会稳定下来。因此，我们得到了一个候选概念的合理性存在的非理性代理。此外，对可兑换性的限制可以通过保守地更新对其他参与者策略的信念来证明。对于无限序列博弈，如果偏好由连续支付函数给出，我们可以保持收敛到纳什均衡（在某种意义上）;或者如果博弈的结果集是Delta^0_2集，我们可以获得超限收敛。
2016-09-14 cs.GT cs.MA
Optimal control and zero-sum games for Markov chains of mean-field type
利用全变差距离，通过不动点论证，证明了具有无界跳强度的平均场型马尔可夫链的存在性。我们进一步证明了近最优控制的存在性，并利用马尔可夫链后向近似方法，分别给出了平均场型支付泛函的控制问题和零和微分对策在平均场型马尔可夫链驱动下的最优控制和鞍点的存在条件.
2017-08-27 cs.GT math.OC math.PR
Markov $α$-Potential Games
Imagination Corp.（想象力公司）；Fictional University（虚构大学）
本文提出了 Markov $α$-势博弈框架来研究有限状态和动作的 Markov 博弈，证明了 $α$-势函数优化器即为 $α$-平稳纳什均衡，并分析了两种实际博弈类别与两种均衡近似算法的 Nash 后悔。
2025-04-01 cs.AI cs.GT cs.MA
Local Aggregation in Preference Games
在这项工作中，我们引入了一个新的决策模型的代理人在社会网络。智能体对策略具有先天偏好，但由于社会互动，智能体的决策不仅受其先天偏好的影响，还受其社会邻居的决策影响。我们假设代理的策略嵌入在一个{近似}度量空间中。此外，从以前的文献出发，我们假设，由于缺乏信息，每个代理本地代表网络的趋势通过聚合值，这可以被解释为聚合函数的输出。我们回答了一些有关纯纳什均衡的存在性和效率的基本问题。
2020-02-04 cs.GT
Computational Aspects of Equilibria in Discrete Preference Games
研究了离散偏好博弈均衡计算的复杂性。这些游戏是由Chierichetti，Kleinberg和Oren（EC '13，JCSS '18）引入的，用于模拟社交网络中代理的决策，这些代理从有限的离散集合中选择策略，在他们对策略的内在偏好和他们选择与邻居“相似”的策略的愿望之间进行平衡。因此有两个组成部分：一个以代理为顶点的社会网络，以及一个策略的度量空间。这些博弈是潜在博弈，因此存在纯纳什均衡。自引入以来，一些论文研究了这个模型的各个方面，包括均衡的社会成本和达成共识。我们表明，在一般情况下，在离散偏好博弈的均衡计算是PLS-完全的，即使在简单的情况下，每个代理人有一个常数的邻居。如果社交网络中的边是加权的，那么即使每个代理都有恒定数量的邻居，度量空间具有恒定的大小，并且每对策略的距离为1或2，问题也是PLS完全的。此外，如果社会网络是定向的，模拟不对称的影响，均衡甚至可能不存在。在积极的一面，我们表明，如果度量空间是一个树度量，或者是路径度量的产品，那么平衡可以在多项式时间计算。
2019-05-28 cs.GT
Zero-sum Polymatrix Markov Games: Equilibrium Collapse and Efficient Computation of Nash Equilibria
本文针对零和多人矩阵马尔可夫博弈，通过证明粗相关均衡坍缩为纳什均衡，实现了ε-近似纳什均衡的高效计算。
2023-05-29 cs.GT cs.MA cs.SI
Game Dynamics for Players with Social and Material Preferences
我们考虑大种群的个人谁可以玩各种类型的非合作博弈的动态，存在性和稳定性的平衡态。参与者模仿最有吸引力的策略，选择的动机不仅是策略的物质回报，而且是它们在人群中的受欢迎程度。决定平衡态中两个因素权重的参数对于所有类型的博弈都具有相同的解析形式，并与Hernstein匹配律中的增强参数敏感性相一致。我们证明定理的存在性和唯一性，并讨论了多个局部稳定的多态平衡所考虑的游戏类型的例子。
2012-03-30 cs.GT nlin.AO
Boolean Hedonic Games
NICTA（澳大利亚国家信息与通信技术研究院）；University of New South Wales（新南威尔士大学）；University of Oxford（牛津大学）；Université Paris-Dauphine（巴黎第九大学）
我们研究具有二分偏好的享乐博弈。享乐博弈是一种合作博弈，在这种博弈中，参与者希望形成联盟，但只关心他们所加入的联盟的组成;他们对其他联盟的组成漠不关心。二分偏好的假设意味着，此外，每个玩家的偏好关系将该玩家所属的联盟集合划分为两个等价类：满意和不满意。一个参与者在满意的联盟之间是无所谓的，在不满意的联盟之间是无所谓的，但严格地说，他更喜欢任何满意的联盟。我们开发了一个简洁的表示这样的游戏，其中每个玩家的偏好关系是由一个命题公式。我们展示了如何解决方案的概念与二分偏好的特征在于命题公式的享乐游戏。
2015-09-23 cs.AI cs.GT
High-Probability Nash Regret for Decentralized Learning in Markov $α$-Potential Games: Episodic and Fully Online Asynchronous Algorithms with Applications to Markov Congestion Games
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
针对马尔可夫α-势博弈，提出KL投影自然策略梯度算法，在情节式和完全在线异步设置下实现高概率纳什遗憾界，消除分布不匹配系数，并应用于马尔可夫拥塞博弈的在线作业调度。
2026-09-15 cs.GT cs.LG cs.MA
Robust optimal policies for team Markov games
Peking University（北京大学）；University of Groningen（格罗宁根大学）
在随机动态环境中，团队马尔可夫博弈已经成为研究完全合作多智能体系统序列决策问题的通用范式。然而，导出的策略的最优性通常是敏感的模型参数，这通常是未知的，并需要估计噪声数据在实践中。为了减轻最优策略对这些不确定参数的敏感性，本文提出了一种鲁棒的团队马尔可夫博弈模型，其中代理利用鲁棒优化方法来更新策略。该模型将团队马尔可夫博弈扩展到不完全信息的情形，同时提供了一种鲁棒团队最优性的替代解概念。为了寻求这样的解决方案，我们开发了一个强大的迭代学习算法的团队政策，并证明其收敛性。与鲁棒动态规划相比，该算法不仅具有更快的收敛速度，而且允许使用近似计算来减轻维数灾难。此外，通过将序列社会困境的对策模型推广到不确定场景，给出了一些数值模拟来证明算法的有效性。
2022-05-02 cs.AI cs.GT cs.MA
Structure from Strategic Interaction & Uncertainty: Risk Sensitive Games for Robust Preference Learning
University of Washington（华盛顿大学）；California Institute of Technology（加州理工学院）
本文提出风险敏感偏好游戏，通过优化凸风险度量来提升鲁棒性，建立稳定算法并控制偏置，实验证明其在不同数据层的鲁棒性。
2026-05-12 cs.GT
Provably Efficient Policy Optimization for Two-Player Zero-Sum Markov Games
Tsinghua University（清华大学）；Meta AI Research（Meta人工智能研究院）；Princeton University（普林斯顿大学）；University of Washington（华盛顿大学）
基于策略的函数逼近方法被广泛用于求解具有较大状态和/或动作空间的两人零和博弈。然而，它仍然难以捉摸如何获得优化和统计保证这样的算法。我们提出了一个新的政策优化算法与函数逼近，并证明了在标准的正则性条件下的马尔可夫博弈和函数逼近类，我们的算法发现一个接近最优的政策内的多项式数量的样本和迭代。据我们所知，这是第一个证明有效的政策优化算法与函数近似，解决两个球员零和马尔可夫游戏。
2022-02-26 cs.GT cs.LG math.OC
Can You Trust Your Preference Models? Stackelberg Games for Alignment
ETH Zürich（苏黎世联邦理工学院）；Aalto University（阿尔托大学）；YaiYai Ltd（YaiYai有限公司）
该研究针对语言模型对齐中偏好模型的信任问题，提出用偏好模型集成体分歧作误差代理，通过斯塔克尔伯格博弈训练策略，相关算法在实验中提升了反转神谕偏好的有效比较比例。
2026-10-14 cs.AI cs.GT
Social versus Moral preferences in the Ultimatum Game: A theoretical model and an experiment
在最后通牒博弈（UG）中，一个名为“提议者”的参与者必须决定如何在自己和“回应者”之间分配一定数量的钱。如果报价大于或等于响应者的最低可接受报价（MAO），则按提议分割资金，否则，提议者和响应者都得不到任何东西。普遍语法引起了几代行为科学家的兴趣，因为实验中的人们公然违反了均衡预测，即自利的提议者提供了最小可用的非零量，而自利的回应者接受了。为什么这些预测被违背了？以前的研究主要集中在社会偏好的作用。人们对做正确的事情的一般道德偏好的作用知之甚少，这些偏好在其他社会互动中起着重要作用（例如，独裁者博弈与囚徒困境（Prisoner's Dilemma）在这里，我开发了一个理论模型和一个实验，旨在坑社会偏好对道德偏好。我发现，虽然人们认识到，提供一半，拒绝低报价是道德上正确的事情，道德偏好没有因果关系的影响，UG行为。实验数据确实很好地拟合的模型，根据该模型：（i）高UG提供的动机不公平厌恶，在较小程度上，自我利益;（ii）高MAOs的动机不公平厌恶。
2018-04-03 cs.GT physics.soc-ph q-bio.PE
Independent Learning of Nash Equilibria in Partially Observable Markov Potential Games with Decoupled Dynamics
SYCAMORE, EPFL（SYCAMORE，瑞士联邦理工学院）
本文研究了在可部分观测马尔可夫博弈（POMG）中纳什均衡的学习问题，提出了一种独立学习算法，通过不通信的方式，使玩家在仅观察自身动作和观测的情况下，联合收敛到近似纳什均衡，从而实现高效的样本和计算复杂度。
2026-09-14 cs.GT cs.LG cs.MA
Rational Miner Behaviour, Protocol Stability, and Time Preference: An Austrian and Game-Theoretic Analysis of Bitcoin's Incentive Environment
本文结合奥地利资本理论与重复博弈论，分析区块链中矿工的战略行为，指出协议规则可变性会提高时间偏好并破坏合作均衡，论证了协议不可变性作为制度锚对恢复战略一致性与网络可持续均衡的必要性。
2025-06-26 cs.CR cs.GT cs.NI
Learning in Multi-Objective Public Goods Games with Non-Linear Utilities
University of Groningen（格罗宁根大学）；University of Amsterdam（阿姆斯特丹大学）；University of Galway（戈尔韦大学）；Utrecht University（乌得勒支大学）；Vrije Universiteit Brussels（布鲁塞尔自由大学）
本文提出多目标公共物品博弈框架，引入参数化非线性效用函数建模智能体风险偏好，并揭示个体偏好与环境不确定性如何共同决定合作或竞争模式的出现。
2024-08-01 cs.AI cs.GT cs.MA
On the characterization of constrained correlated equilibria in Markov games
SYCAMORE, EPFL（SYCAMORE, 洛桑联邦理工学院）
本文形式化并刻画了马尔可夫博弈中约束关联均衡的概念，证明了在耦合约束下此类均衡的存在性。
2026-08-20 cs.GT
Generative AI as Digital Representatives in Collective Decision-Making: A Game-Theoretical Approach
School of Science and Engineering, The Chinese University of Hong Kong, Shenzhen（香港中文大学（深圳）理工学院）；Shenzhen Institute of Artificial Intelligence and Robotics for Society（深圳市人工智能与机器人研究院）
本文提出一种博弈论框架，研究生成式AI在集体决策中作为数字代表的策略性信息揭示问题，揭示成员在偏好与沟通成本间的战略平衡，并发现冲突偏好会驱动更多信息揭示。
2025-12-14 cs.GT
An Automata-Based Approach to Games with $ω$-Automatic Preferences
Université de Mons (UMONS)（蒙斯大学）；Université libre de Bruxelles (ULB)（布鲁塞尔自由大学）
本文提出基于自动机的多玩家回合制游戏方法，通过ω-自动关系建模玩家偏好，并研究价值与最优策略的计算复杂性，揭示合作理性合成的PSPACE完全性及非合作情况下的不可判定性。
2026-09-16 cs.FL cs.GT
Games with $ω$-Automatic Preference Relations
Université de Mons (UMONS)（蒙斯大学）；Université libre de Bruxelles (ULB)（布鲁塞尔自由大学）
本文研究了通过ω-自动关系建模玩家偏好的多玩家回合制游戏中的纳什均衡存在性及计算复杂性。
2026-09-28 cs.GT cs.LO
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
Equilibria, information and frustration in heterogeneous network games with conflicting preferences
人与人之间的相互作用是社会结构作为一个复杂系统而产生的基础，同时也是对它进行任何物理描述的出发点。在过去的几年里，许多理论研究通过将复杂网络的物理学与进化博弈论中的相互作用描述相结合来解决这个问题。在这里，我们通过引入一个最突出的社会因素，如个人的偏好，这是理解当今许多社会现象学的关键特征，使这项研究更进一步。我们考虑了一个异构的，基于代理的模型，在该模型中，代理与他们的邻居进行战略互动，但他们的偏好和可能的行动的回报不同。我们研究了这样一个异构网络的行为下的进化动力学和不同的战略相互作用，即协调游戏和最佳射击游戏。有了这个模型，我们研究了在最佳反应动力学下随机图中分析预测的均衡的出现，并将此测试扩展到未探索的背景下，如比例模仿和无标度网络。我们表明，一些理论上预测的平衡不出现在模拟与不完全信息，我们证明了一些游戏的图形拓扑结构和支付函数参数的重要性。最后，我们讨论了我们的结果与现有的实验证据协调游戏，表明我们的模型更符合标准的经济理论的实验，并得出提示，如何最大限度地提高社会效率的情况下，冲突的偏好。
2017-06-22 cs.GT cs.SI physics.soc-ph
Preference Games and Personalized Equilibria, with Applications to Fractional BGP
本文研究了两类基于流的网络博弈-分数BGP（边界网关协议）博弈和分数BBC（有界预算连接）博弈的均衡计算复杂性。BGP是将互联网保持在一起的粘合剂，因此其稳定性，即分数BGP游戏（Haxell，Wilfong）的均衡，是具有实际重要性的问题。BBC游戏（Laoutaris等人）遵循了网络形成游戏的大量工作的传统，并捕获了从社交网络和覆盖网络到对等网络的各种应用。本文的中心结果是，有没有完全多项式时间近似计划（除非PPAD是在FP）计算分数BGP游戏和分数BBC游戏的平衡。我们通过证明一个新的和令人惊讶的简单的游戏，分数偏好游戏，这是可还原的分数BGP和BBC游戏的硬度。我们定义了一个新的流动为基础的矩阵游戏的平衡概念-个性化的平衡-推广分数BBC和分数BGP游戏。我们不仅证明了存在性，而且证明了所有矩阵博弈都存在理性的个性化均衡，这意味着分数BGP和BBC博弈也存在理性均衡。特别是，这提供了一个替代的证明和加强的主要结果[Haxell，Wilfong]。对于k-玩家矩阵游戏，其中k = 2，我们提供了一个组合特征，导致一个多项式时间算法计算所有个性化的均衡。当k >= 5时，我们证明了个性化均衡是PPAD-难以在完全多项式时间内近似的.我们相信个性化均衡的概念具有现实意义。
2008-12-05 cs.DS cs.GT
