Best-Effort Strategies for Losing States
我们考虑有限图上的游戏,其目标是获得属于一组给定的获胜轨迹的轨迹。我们关注的是参与人1无法获胜的那些状态。我们探讨和比较几个标准,以建立什么是更可取的行为的参与人1从这些国家。一路上,我们证明了几个结果的理论和实践的兴趣,如可接受的战略的特征,这也提供了一个简单的算法来计算这样的战略,为各种共同的目标,和位置的获胜策略的存在性和位置子博弈完美的战略之间的等价性。
2008-11-11 cs.GT
Perturbing Best Responses in Zero-Sum Games
本文研究零和博弈中最佳响应扰动对Double Oracle和Fictitious Play算法的影响,发现扰动可减少迭代次数(部分情况为对数级),且在纯策略有内部结构的博弈中可高效实现扰动。
2025-11-16 cs.AI 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
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
Multi-agent Bayesian Learning with Best Response Dynamics: Convergence and Stability
我们研究了策略代理人反复玩一个未知的收益相关参数的游戏引起的学习动态。在这种动态中,参数的信念估计被反复更新,给出玩家的策略和使用贝叶斯规则实现的收益。参与者通过考虑最佳对策来调整他们的策略。我们发现,概率为1,信念和策略收敛到一个固定点,其中的信念一致估计的策略的收益分布,和战略是一个平衡对应的信念。然而,学习可能并不总是识别未知参数,因为信念估计依赖于由玩家策略内生产生的游戏结果。我们得到了学习导致全局稳定的不动点是完全信息纳什均衡的充分必要条件。我们还提供了充分的条件,保证局部稳定的不动点信念和战略。
2021-09-02 cs.GT econ.TH
LTLf Best-Effort Synthesis in Nondeterministic Planning Domains
University of Oxford(牛津大学);University of Rome “La Sapienza”(罗马大学(智慧大学))
针对非确定性规划域中的LTLf目标,提出一种博弈论尽力而为策略综合技术,证明其正确性并通过实验展示相比直接方法的更高可扩展性。
2023-08-29 cs.AI cs.FL cs.GT
Evaluation and Learning in Two-Player Symmetric Games via Best and Better Responses
人工智能和机器人竞赛伴随着一类游戏范例,其中每个玩家私下向游戏系统提交策略,该游戏系统使用收集的联合策略来模拟游戏,然后将收益返回给玩家。研究了两局中人的策略空间相同且收益对称的对称对策的策略承诺问题。首先,我们介绍了两个基于有向图的指标在元水平上的两个代理强化学习,基于汇均衡的策略评估。该指标对单个玩家的策略进行排名,并确定私人承诺的首选策略集。然后,为了找到首选的策略下的指标,我们提出了两个变种的经典学习算法自我发挥,严格的最佳反应和弱更好的反应自我发挥。通过将学习过程建模为在联合策略响应有向图上的行走,我们证明了两种变体的学习策略分别在两种度量下是优选的。确定了两种度量下的优先策略,并连接了由一个度量和一个变量导出的邻接矩阵。最后,仿真来说明结果。
2022-04-27 cs.GT
Computing Approximate Nash Equilibria and Robust Best-Responses Using Sampling
本文讨论了两个贡献的决策在复杂的部分可观察的随机博弈。首先,我们应用两个国家的最先进的搜索技术,使用蒙特卡洛抽样的任务,近似纳什均衡(NE)在这样的游戏,即蒙特卡罗树搜索(MCTS)和蒙特卡洛反事实遗憾最小化(MCCFR)。在完全信息博弈中,MCTS已被证明近似于NE。我们表明,该算法快速找到一个合理的强有力的战略(但不是NE)在一个复杂的不完美信息的游戏,即扑克。另一方面,MCCFR在这样的博弈中有理论上的NE收敛保证。我们首次在扑克中应用MCCFR。根据我们的实验,我们可以得出结论,MCTS是一个有效的方法,如果一个人想学习合理的强战略快,而MCCFR是更好的选择,如果战略的质量是最重要的。我们的第二个贡献涉及到的观察,一个NE是不是对球员的最佳对策,没有发挥NE。我们提出了蒙特卡罗限制纳什响应(MCRNR),一个基于样本的算法计算限制纳什策略。这些是稳健的最佳对策策略,(1)利用非NE对手比使用NE更多,(2)不(过度)被其他策略利用。我们结合了两个国家的最先进的算法,即MCCFR和限制纳什响应(RNR)的优点。MCRNR仅对博弈树的相关部分进行采样。我们表明,MCRNR学习速度比标准的RNR在较小的游戏。我们还表明,在扑克中,MCRNR学习强大的最佳反应策略快,这些策略利用对手比玩NE。
2014-01-18 cs.GT
Solving Zero-sum Games using Best Response Oracles with Applications to Search Games
我们提出了有效的算法计算最优或近似最优策略的零和对策,其中玩家I有n个纯策略和玩家II有任意数量的纯策略。我们假设对于参与人I的任何给定的混合策略,参与人II的最佳对策或“近似”最佳对策可以通过预言机在时间多项式n中找到。然后,我们将展示我们的算法可能会被应用到几个搜索游戏与应用程序的安全和反恐。我们评估我们的主要算法实验上的一个原型搜索游戏。我们的研究结果表明,它表现良好相比,现有的,众所周知的算法解决零和对策,也可以用来解决搜索游戏,给出了最佳对策预言。
2018-06-20 cs.DS cs.GT math.OC
Equitable Marketplace Mechanism Design
J.P.Morgan AI Research(摩根大通人工智能研究院)
我们考虑一个交易市场,由具有不同交易策略和目标的交易者组成。市场允许供应商列出他们的商品,并促进买家和卖家之间的匹配。作为回报,这样的市场通常会收取促进贸易的费用。这项工作的目标是为市场设计一个动态的费用表,对所有交易者来说都是公平和有利可图的,同时对市场来说也是有利可图的(从收费中)。由于交易者调整他们的策略,以费用表,我们提出了一个强化学习框架,同时学习市场费用表和交易策略,适应这个费用表使用加权优化目标的利润和公平性。我们详细说明了使用所提出的方法在模拟证券交易所与不同类型的投资者,特别是做市商和消费者投资者。当我们在不同的投资者类别中改变公平性权重时,我们看到学习的交易所费用表开始有利于权重最高的投资者类别。我们进一步根据公平市场机制设计的总体框架讨论了从模拟证券交易所观察到的见解。
2022-09-22 cs.GT cs.LG cs.MA
Best response dynamics on random graphs
我们考虑进化博弈的人口的基础拓扑结构的相互作用是由一个二项式随机图$G(n,p)$。我们的重点是在这样一个人口的事件成员之间的2个玩家对称对策与2个战略。玩家同步更新他们的策略。在每一轮,每个参与者选择的策略是最好的反应,其邻居发挥当前的一组策略。我们表明,这样的系统减少到广义多数和少数的动态。我们展示了快速收敛到$p$在一个范围内,依赖于一定的特性的回报矩阵的一致性。在存在的偏见之间的纯纳什均衡的游戏,我们确定了一个尖锐的阈值上$p$以上,最大的连接组件以高概率达到一致性。对于低于这个临界值的$p$,如果这种情况不会发生,我们确定了在整个系统的演化过程中保持不一致的最大组件内部的子结构。
2020-11-25 cs.GT math.CO math.PR
Independent Lazy Better-Response Dynamics on Network Games
本文研究了网络博弈中的独立最佳反应动态,其中节点(玩家)以一定的概率独立地决定修改策略。我们提供了几个边界上的收敛时间的平衡作为这个概率的函数,网络的程度,和潜在的游戏。这些动态比经典的更好和最佳反应动态更适合于分布式环境,在经典的更好和最佳反应动态中,玩家“顺序地”修改他们的策略,即,没有两个参与者会同时修改策略。
2019-02-06 cs.GT cs.SI
To Relay or Not to Relay: Learning Device-to-Device Relaying Strategies in Cellular Networks
我们考虑一个蜂窝网络,其中由自利用户拥有的移动收发器设备被激励使用令牌彼此合作,它们以电子方式交换令牌以“购买”和“出售”下行链路中继服务,从而与仅支持基站到设备(B2D)通信的网络相比增加了网络的容量。我们研究了网络中的单个设备如何在线学习其最佳合作策略,它用于决定是否为其他设备提供下行链路中继服务以换取令牌。我们提出了一个监督学习算法,设备可以部署到学习他们的最佳合作策略在线给定他们的经验丰富的网络环境。然后,我们系统地评估各种部署方案中的学习算法。我们的模拟结果表明,当网络包含(i)许多具有高能量预算的设备用于中继,(ii)许多高度移动的用户(例如,机动车辆中的用户),以及(iii)代币既不太少也不太多。此外,在令牌系统中,自私的设备可以有效地学习在线合作,并实现比单独使用B2D通信平均高出20%以上的吞吐量,同时自私地最大化自己的效用。
2014-12-29 cs.GT cs.MA cs.NI
Best Response Games on Regular Graphs
随着互联网的发展,了解玩家的行为如何受到互连他们的网络拓扑的影响变得越来越重要。许多模型,其中涉及网络的相互作用的球员已经提出了最佳对策是其中最简单的。在最佳对策博弈中,每个顶点同时更新,以采用对当前环境的最佳对策。我们集中在试图了解的动态最佳对策游戏的规则图与许多战略。当存在两种以上的策略时,高度复杂的动态可能随之而来。我们专注于试图了解如何从可能的元胞自动机空间的最佳对策游戏的常规图样本。为了理解这个问题,我们调查凸划分在高维空间中,我们证明了几乎每一个划分的$k-1$维空间到$k$凸区域包括一个单一的点,所有区域满足。然后,我们发现凸几何的最佳对策游戏和理论的交替电路图之间的连接。利用这些意想不到的联系,我们可以获得一个有趣的答案,我们的问题时,细胞自动机是最佳对策游戏。
2013-01-24 cs.GT cs.NI
Designing Practical Distributed Exchange for Online Communities
在许多在线系统中,个人相互提供服务;服务的接受者获得利益,但服务的提供者产生成本。如果收益超过成本,则提供服务会增加社会福利,因此应予以鼓励-但提供服务的个人不会从提供服务中获得(直接)收益,因此有不提供服务的动机。因此,我们可以设计一个通过鼓励交换来改善福利的体系。为了在在线环境的范围内成功地运作,这样的系统应该是分布式的,可行的,并与个人激励措施相一致。本文提出并分析了一个简单的这样的系统,依赖于交换{ \em令牌},重点是设计的协议(令牌的数量和建议的策略)。我们提供估计的效率,这样的协议,并表明,选择正确的协议将导致几乎完全的效率,如果代理人有足够的耐心。然而,选择错误的协议可能导致效率的巨大损失。
2012-07-21 cs.GT
Matrix Exponential Learning Schemes with Low Informational Exchange
我们考虑一个分布式资源分配问题的网络中,每个发射机-接收机对的目标是最大化其局部效用函数,通过调整其行动矩阵,它属于一个给定的可行集。这个问题已经解决最近通过应用矩阵指数学习(MXL)算法,具有非常吸引人的收敛速度。然而,在该学习算法中,每个发射机必须知道局部效用的梯度矩阵的估计。在发射机处的梯度矩阵的知识引起高信令开销,特别是矩阵大小随着动作矩阵的维度而增加。因此,在本文中,我们研究了两种策略,以减少每次迭代的算法的信息交换。在第一种策略中,每个接收器在每次迭代时发送梯度矩阵的元素的关于某个概率的部分。在第二种策略中,每个接收器零星地反馈整个梯度矩阵。重点分析了MXL算法在这两种策略下的收敛性。我们证明了该算法仍然可以收敛到最优几乎肯定。在一般的步长设置下,我们也得到了这两种情况下的平均收敛速度的上界,从中我们可以清楚地看到反馈信息的不完全性的影响。所提出的算法被应用于解决多载波多用户MIMO网络中的能量效率最大化问题。仿真结果进一步证实了我们的说法。
2018-11-08 cs.GT cs.IT math.IT
It Takes Two to Negotiate: Modeling Social Exchange in Online Multiplayer Games
National University of Singapore(新加坡国立大学);Indian Institute of Technology Ropar(罗帕尔印度理工学院);Carnegie Mellon University(卡内基梅隆大学)
本研究通过标注《外交》游戏中的聊天消息,分析谈判策略,发现其可预测长期结果,但对短期结果预测作用有限,并提供了公开数据集。
2023-11-15 cs.CL cs.GT cs.LG
Equilibria in Repeated Games under No-Regret with Dynamic Benchmarks
本文提出动态基准一致性概念,证明在重复博弈中,动态基准一致策略与无遗憾策略产生相同的均衡集,并揭示独立算法能促进强协调。
2025-01-22 cs.GT econ.TH