The Impact of Irrational Behaviours in the Optional Prisoner's Dilemma with Game-Environment Feedback
在可选择的囚徒困境（OPD）中，局中人可以像往常一样选择合作和背叛，但也可以选择弃权作为第三种可能的策略。这种策略模拟了玩家在游戏中的参与，并且在许多设置中是相关的方面，例如社交网络或意见动态，其中在选举期间，弃权是一种选择。在本文中，我们提供了一个配方的OPD，我们认为在人口中的非理性行为的启发前景理论。前景理论近年来越来越受欢迎，这要归功于它能够捕捉人类行为中常见的参考依赖或损失厌恶等方面。这个元素在我们的游戏公式中是原创的，并通过成对比较动态纳入我们的框架。最近，环境的影响已经以反馈的形式对种群动态进行了研究。在我们的工作中的另一个新颖的元素是扩展的游戏环境反馈的OPD的两种形式的动态，复制和成对比较。本文的贡献有三个方面。首先，我们提出了一个建模框架，前景理论是用来捕捉非理性行为的进化游戏与游戏环境反馈。其次，我们进行了系统平衡点的稳定性分析，并讨论了由博弈环境反馈引起的振荡行为。最后，我们扩展我们以前的结果OPD和我们讨论的主要区别模型产生的复制动力学和成对比较动力学。
2021-06-13 cs.GT
Polylogarithmic Nash Regret in Matrix Games with Bandit Feedback
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
本研究提出乐观支付平衡算法，在有限矩阵博弈中实现对数多项式的纳什遗憾，解决了非唯一均衡下的开放问题，证明观察对手动作足以达到该保证。
2026-09-29 cs.GT cs.LG
Diegetic Representation of Feedback in Open Games
本文改进带智能体的开放博弈框架，将产生 Nash 均衡的反事实分析内生于博弈动态，揭示反馈传播与反向传播的异同，并通过函子构造证明参与者不动点行为即为 Nash 均衡。
2023-07-31 cs.GT cs.MA math.CT
Positive feedback in coordination games: stochastic evolutionary dynamics and the logit choice rule
研究了在logit选择规则下演化动力学的随机稳定性问题。我们考虑一般类的协调博弈，对称或非对称，具有任意数量的策略，满足边际潮流属性（即，有积极的反馈来协调）。我们的主要结果是，从现状惯例中最有可能的进化逃逸路径由一系列相同的错误组成。作为我们的研究结果的应用，我们表明，纳什讨价还价的解决方案出现的长期公约的进化纳什需求博弈下通常的logit选择规则。我们还得到了一个新的谈判解决方案，如果logit选择规则相结合的故意特质发挥。新的谈判解决方案是更平等的纳什谈判解决方案，表明意向性意味着平等下的logit选择模型。
2021-01-12 cs.GT
Approximate Feedback Nash Equilibria in Constrained Differential Games via Model Predictive Control with Upper Bound Guarantees
本文提出一种基于模型预测控制的近似方法，通过求解有限时域开环博弈逼近约束微分博弈中的反馈纳什均衡，并给出无约束情形下轨迹偏差的解析上界，数值实验验证了其有效性。
2026-10-06 cs.GT cs.SY eess.SY
Differentially Private Online Distributed Aggregative Games With Time-Varying and Non-Identical Communication and Feedback Delays
本文提出了一种在线分布式双平均算法，以处理具有时间变化和非相同通信和反馈延迟的差分隐私在线分布式聚合博弈中的隐私泄露问题，并实现了可证明的低遗憾界。
2025-12-13 cs.GT math.OC
Learning in Congestion Games with Bandit Feedback
在本文中，我们研究了纳什遗憾最小化拥塞游戏，一类游戏的良性的理论结构和广泛的现实世界中的应用。首先，我们提出了一个集中式算法的基础上的乐观面对不确定性原则的拥塞游戏（半）强盗反馈，并获得有限样本保证。然后，我们提出了一个分散的算法，通过一个新的组合的Frank-Wolfe方法和G-最优设计。通过利用拥塞游戏的结构，我们表明，这两种算法的样本复杂度只取决于多项式的球员的数量和设施的数量，但不是行动集的大小，这可以是指数级大的设施的数量。我们进一步定义了一个新的问题类，马尔可夫拥塞游戏，这使我们能够模拟拥塞游戏中的非平稳性。我们提出了一个集中式算法的马尔可夫拥塞游戏，其样本的复杂性再次只有多项式依赖于所有相关的问题参数，但不是行动集的大小。
2023-01-20 cs.GT cs.LG cs.MA
Decentralized Optimal Equilibrium Learning in Stochastic Games via Single-bit Feedback
Bilkent University（比尔肯特大学）
本文提出了一种在随机博弈中通过单比特反馈实现去中心化最优均衡学习的方法，通过探索-承诺和在线变体，实现了对社会福利目标的优化，并建立了有限时间遗憾保证。
2026-02-13 cs.GT cs.MA
Cooperator driven oscillation in a time-delayed feedback-evolving game
考虑对共同资源合作集体行动的反馈对于实现可持续性至关重要。但这些努力可能不会对环境状况产生直接影响，目前还不清楚它们如何通过反馈影响战略和环境动态。为了解决这个问题，我们构建了一个反馈进化博弈模型，在这个模型中，我们考虑了资源的增长能力和惩罚效率的叛逃者谁不提供回报的环境。重要的是，我们进一步假设在我们的模型中采用合作个体对环境变化的贡献的延迟。我们发现，当合作者的捐赠的贡献量是固定的，时间延迟的协同进化动力学没有特别的后果。然而，当收益与他们的禀赋成正比时，时间延迟会导致合作水平和环境的周期振荡动力学。我们的工作揭示了合作行动的时间延迟对环境反馈策略交互中的协同进化动力学的潜在影响。
2021-03-31 cs.GT cs.MA physics.soc-ph
Adversarial Learning in Games with Bandit Feedback: Logarithmic Pure-Strategy Maximin Regret
The University of Tokyo and RIKEN（东京大学和RIKEN）；University of Southern California（美国南加州大学）；University of Washington（华盛顿大学）
研究在轮盘反馈下通过Tsallis-INF和Maximin-UCB算法实现零和博弈的纯策略最大化遗憾最小化，提出两种算法并推广至双线性博弈。
2026-02-06 cs.GT cs.LG
No-regret Learning in Cournot Games
本文研究了具有连续行动的古诺博弈中无悔学习的收敛性。古诺博弈是许多社会经济系统的基本模型，参与者通过战略性地设定他们的产量来竞争。我们假设参与者没有充分的信息，因此不能预先计算出一个纳什均衡。两种类型的反馈被认为是：一个是强盗反馈，另一个是梯度反馈。为了研究诱导博弈序列的收敛性，引入测度收敛的概念，证明了博弈者的实际行动序列收敛于唯一的纳什均衡.此外，我们的结果自然地扩展了无遗憾学习算法的时间平均遗憾界，以获得最终迭代收敛速度。总之，我们的工作为游戏中的学习提供了显著更清晰的收敛结果，而无需对游戏属性进行强有力的假设（例如，单调性），并显示如何利用游戏信息反馈可以影响收敛速度。
2020-02-11 cs.GT cs.MA cs.SY
A Unified Variational Design of Predictive Mirror Descent in Convex Games under Stochastic Feedback
New York University（纽约大学）；City University of Hong Kong（香港城市大学）
本文通过构造带辅助记忆状态的随机镜像微分博弈，提出预测反馈的变分路径，导出一般镜像几何中的双通道预测镜像动力学，并在局部镜像正则性、局部Bregman增长条件和有界布朗扩散下，建立了有限时域局部终端时间界的期望和高概率保证，以及局部化邻域的退出概率估计，为稳定均衡附近的最后迭代性能提供了统一的变分构造和局部随机保证。
2026-06-01 cs.GT math.OC
Last-Iterate Convergence with Full and Noisy Feedback in Two-Player Zero-Sum Games
CyberAgent, Inc.（赛博艾坚特公司）；KTH Royal Institute of Technology（KTH皇家理工学院）；University of Electro-Communications（电气通信大学）
本文提出变异驱动乘性权重更新（M2WU）算法，用于解决两人零和博弈中全反馈和噪声反馈下的均衡学习问题，并证明其具有末迭代收敛性质，实验显示其在可利用度和收敛速度上优于MWU和OMWU。
2023-05-26 cs.GT cs.LG
The madness of people: rational learning in feedback-evolving games
该研究探讨反馈演化博弈中logit有限理性学习规则的作用，刻画了系统不动点与稳定性，发现理性参数变化会引发多样动力学甚至稳定极限环，高理性下则出现稳定的公地悲剧。
2023-11-05 cs.GT cs.SY eess.SY
Feedback Dominance Analysis for Pursuit-Evasion Games on Graphs
Georgia Institute of Technology（佐治亚理工学院）；George Mason University（乔治梅森大学）；University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校）；DEVCOM Army Research Laboratory（DEVCOM陆军研究实验室）
本研究提出基于集合的动态规划方法，为图上追逃博弈提供必要且充分的获胜条件，并转化为反馈策略，同时给出无法保证获胜状态下的获胜概率界限。
2026-10-06 cs.GT cs.MA
Achieving Pareto Optimality in Games via Single-bit Feedback
Bilkent University（比尔肯特大学）
针对多智能体系统协调中通信开销高、收敛慢的问题，提出仅需单比特反馈的去中心化算法SBC-PE，其可在任意有限博弈中收敛到帕累托最优，后悔界为O(log T)，实现了最小通信下的可扩展福利优化。
2026-10-21 cs.GT
An Iterative Quadratic Method for General-Sum Differential Games with Feedback Linearizable Dynamics
UC Berkeley（加州大学伯克利分校）
迭代线性二次型（ILQ）方法在非线性最优控制领域有着广泛的应用。最近的工作已经应用了类似的方法，在设置多人一般和微分游戏。在这里，ILQ方法能够实时找到交互式运动规划问题中的局部平衡。然而，与大多数迭代过程一样，这种方法可能对初始条件和超参数选择敏感，这可能导致计算性能差甚至不安全的轨迹。在本文中，我们专注于广泛的一类动力系统，这是反馈线性化，并利用这种结构，以提高算法的可靠性和运行时间。我们展示了我们的新算法在三个不同的交通情况下，并观察到，在实践中，我们的方法收敛显着更频繁，更快地比可能不利用反馈线性化结构。
2020-03-19 cs.GT cs.MA cs.RO
An evolutionary game with environmental feedback and players' opinions
本文研究了一个具有环境反馈和参与者观点的双层演化博弈，分析了环境、群体状态与观点之间的层级耦合影响，并通过MATLAB数值实验验证了模型行为。
2023-07-10 cs.GT
Uncoupled and Convergent Learning in Two-Player Zero-Sum Markov Games with Bandit Feedback
Yale University（耶鲁大学）；University of Southern California（南加州大学）；University of Virginia（弗吉尼亚大学）
该研究针对带赌博机反馈的两人零和马尔可夫博弈，提出完全非耦合的熵正则化学习算法，给出多场景下的非渐近收敛速率，消除了同类研究的协调、先验知识及通信要求。
2023-11-08 cs.GT cs.LG
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
Optimal Modified Feedback Strategies in LQ Games under Control Imperfections
Mechanical and Aerospace Engineering, University of California, Davis（加州大学戴维斯分校机械与航空航天工程系）
本文研究了在控制不完美条件下，有限时间线性二次非零和博弈中玩家策略对轨迹和成本的影响，并提出补偿策略以优化反馈性能。
2026-03-14 cs.GT cs.MA cs.RO
Learning to Recommend in Unknown Games
University of California, Berkeley（加州大学伯克利分校）；California Institute of Technology（加州理工学院）
该研究探讨了在未知多智能体游戏中通过推荐学习偏好，分析了不同反馈模型对效用函数学习的影响，并设计了低遗憾的在线算法。
2026-03-04 cs.GT
No-Regret Learning in Games with Noisy Feedback: Faster Rates and Adaptivity via Learning Rate Separation
Univ. Grenoble Alpes（格勒诺布尔阿尔卑斯大学）；EPFL（洛桑联邦理工学院）；CNRS（法国国家科学研究中心）；Inria（法国国家信息与自动化研究所）；Criteo AI Lab（Criteo人工智能实验室）
当学习者与其他优化代理参与连续游戏时，我们研究了遗憾最小化的问题：在这种情况下，如果所有玩家都遵循无遗憾算法，则相对于完全对抗的环境，可以实现显着降低的遗憾。我们研究这个问题的背景下，变分稳定的游戏（一类连续的游戏，其中包括所有的凹凸和单调的游戏），当玩家只能获得噪声估计他们的个人收益梯度。如果噪声是加性的，博弈论和纯粹的对抗设置享受类似的遗憾保证;然而，如果噪声是乘法的，我们表明，学习者可以，事实上，实现恒定的遗憾。我们通过具有学习率分离的乐观梯度方案来实现这种更快的速度-也就是说，该方法的外推和更新步骤根据噪声分布调整到不同的时间表。随后，为了消除对精细超参数调整的需要，我们提出了一种完全自适应的方法，该方法可以获得与非自适应方法几乎相同的保证，同时在不了解游戏或噪声配置文件的情况下操作。
2023-03-17 cs.GT cs.LG
Two-Player Zero-Sum Games with Bandit Feedback
University of Neuchâtel（内阿捷尔大学）
本文提出三种算法用于双人零和博弈，通过实例依赖性分析实现了有效的 regret bounds，展示了 ETC 和动作对消除算法在零和博弈中的应用。
2026-02-19 cs.GT cs.LG
Learning from Delayed Feedback in Games via Extra Prediction
CyberAgent
本文针对博弈学习中时间延迟反馈问题，提出加权OFTRL方法，通过乐观权重抵消延迟影响，证明其在一般和博弈中实现常数社会遗憾并在多矩阵零和博弈中收敛到纳什均衡。
2025-11-07 cs.GT cs.LG cs.MA
On the Limitations and Possibilities of Nash Regret Minimization in Zero-Sum Matrix Games under Noisy Feedback
University of Washington（华盛顿大学）
本文研究噪声反馈下零和矩阵博弈的Nash遗憾最小化，证明现有算法存在$\Omega(\sqrt{T})$下界，并提出首个实现实例相关$\text{polylog}(T)$遗憾的算法，经实证验证。
2025-05-24 cs.GT cs.LG
Fast Last-Iterate Convergence in Zero-Sum Markov Games with Bandit Feedback
University of Illinois Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
针对未知零和折扣马尔可夫博弈，提出自适应正则化时序差分学习（ARTD），在赌博反馈下实现末轮迭代的 $\widetilde{\mathcal{O}}(t^{-1/4})$ 对偶间隙收敛，显著改进现有速率。
2026-10-06 cs.GT cs.LG
The Computation of Approximate Generalized Feedback Nash Equilibria
University of California, Berkeley（加州大学伯克利分校）；The University of Texas at Austin（德克萨斯大学奥斯汀分校）
本文提出动态博弈中的广义反馈纳什均衡（GFNE）概念，通过牛顿型方法和序列线性二次博弈方法计算近似解GFQNE，并在自动驾驶应用中验证了有效性。
2023-11-21 cs.GT cs.MA cs.RO
Randomised Optimism via Competitive Co-Evolution for Matrix Games with Bandit Feedback
School of Computer Science, University of Birmingham（计算机科学学院，伯明翰大学）
针对未知收益矩阵的老虎机反馈双人零和矩阵博弈，提出融合进化算法的竞争协同进化老虎机学习算法CoEBL，首次证明该类算法可实现次线性遗憾，且实验表现优于多种经典老虎机算法。
2025-05-19 cs.AI cs.GT cs.LG
Sample-Efficient Learning of Correlated Equilibria in Extensive-Form Games
Peking University（北京大学）；UC Berkeley（加州大学伯克利分校）；Salesforce Research（赛富时研究院）
不完全信息可拓形式博弈（IIEFG）是现实世界中涉及不完全信息和顺序博弈的一种普遍模型。可拓形式相关均衡（EFCE）已被提出作为一个自然的解决方案的概念，多人一般和IIEFGs。然而，现有的算法，寻找EFCE需要从游戏的充分反馈，它仍然是开放的，如何有效地学习EFCE在更具有挑战性的强盗反馈设置，游戏只能通过观察学习从重复播放。本文提出了第一个样本有效的算法学习的EFCE从强盗反馈。我们首先提出$K$ -EFCE --一个更广义的定义，允许玩家观察并偏离推荐的动作$K$次。$K$ -EFCE包括EFCE作为$K=1$的特殊情况，并且是随着$K$增加而越来越严格的平衡概念。然后，我们设计了一个解耦的无遗憾算法，找到一个$\varepsilon$ -近似$K$ -EFCE内$\widetilde{\mathcal{O}}(\max_{i}X_iA_i^{K}/\varepsilon^2)$迭代在全反馈设置，其中$X_i$和$A_i$是信息集和行动的数量为$i$ -th播放器。我们的算法的工作原理是最大限度地减少了大范围的遗憾，在每个信息集，考虑到所有可能的推荐历史。最后，我们设计了一个基于样本的变体，我们的算法，学习的$\varepsilon$近似$K$ -EFCE内$\widetilde{\mathcal{O}}(\max_{i}X_iA_i^{K+1}/\varepsilon^2)…
2022-05-15 cs.GT cs.LG stat.ML
Linear Convergence in Games with Delayed Feedback via Extra Prediction
Soken University, Kanagawa, Japan（神户大学）
本文提出通过额外乐观预测在延迟反馈游戏中实现线性收敛的方法，证明其在双线性游戏中具有更快的收敛速率。
2026-02-19 cs.GT cs.LG cs.MA
Bandits with Preference Feedback: A Stackelberg Game Perspective
ETH Zurich（苏黎世联邦理工学院）；ETH AI Center（苏黎世联邦理工学院人工智能中心）
本文提出MAXMINLCB算法，通过Stackelberg博弈框架解决无限域和非线性奖励下的多臂问题，实现最优后悔保证和优越性能。
2025-12-18 cs.AI cs.GT cs.LG
Multi-agent Reach-avoid MDP via Potential Games and Low-rank Policy Structure
Mitsubishi Electric Research Laboratories（三菱电机研究实验室）
本文通过局部反馈策略和低秩结构优化多智能体可达-回避MDP，降低通信和计算复杂度，保证收敛到纳什均衡。
2026-04-09 cs.GT cs.MA cs.RO
Stackelberg Learning from Human Feedback: Preference Optimization as a Sequential Game
ETH Zürich（苏黎世联邦理工学院）
SLHF通过连续博弈框架实现偏好优化，优于RLHF和NLHF，在一致性、数据敏感性和鲁棒性方面具有优势，并在大规模语言模型中展示出强对齐能力。
2025-12-18 cs.AI cs.GT cs.LG
No-Regret Learning in Unknown Games with Correlated Payoffs
ETH Zürich（苏黎世联邦理工学院）
我们考虑的问题，学习玩一个重复的多智能体游戏与未知的奖励函数。单人在线学习算法在提供完全信息反馈时获得强遗憾边界，不幸的是，这在许多现实世界的场景中是不可用的。仅仅是Bandit反馈，即，仅观察所选动作的结果产生了实质上更差的性能。在本文中，我们考虑了一个自然的模型，除了获得奖励的嘈杂测量，玩家还可以观察对手的行动。这个反馈模型，再加上奖励函数的规律性假设，使我们能够利用高斯过程（GP）的不同游戏结果之间的相关性。我们提出了一种新的基于置信区间的强盗算法GP-MW，它利用GP模型的奖励函数和运行的乘法权重（MW）的方法。我们得到了新的依赖于核的遗憾界，可与已知的界限在全信息设置，同时大大改善现有的强盗的结果。我们实验证明了GP-MW在随机矩阵游戏中的有效性，以及现实世界中的交通路由和电影推荐问题。在我们的实验中，GP-MW始终优于几个基线，而其性能通常与能够获得完整信息反馈的方法相当。
2019-10-28 cs.GT cs.LG cs.MA
Role of feedback and broadcasting in the naming game
命名游戏（NG）描述了一群以成对方式局部交互的代理的协议动态，近年来统计物理工具和技术极大地有助于揭示其丰富的现象学。在这里，我们详细调查的方式，其中两个代理更新他们的状态后的互动所发挥的作用。我们表明，稍微修改NG规则的代理执行更新在给定的情况下（即成功后），可以显着改变整体动态或离开它定性不变。我们通过在广义NG的更广泛框架中铸造模型来分析第一种情况。至于第二种情况，另一方面，我们注意到，修改后的规则再现的主要特点，通常NG实际上对应于一个简化，它包括在消除之间的反馈代理。这使我们能够引入和研究一个非常自然的广播方案的网络，可以潜在地相关的不同的应用程序，如自主传感器网络的设计和实施，在最近的文献中指出。
2011-04-12 cond-mat.stat-mech cs.GT cs.MA
Mutation-Driven Follow the Regularized Leader for Last-Iterate Convergence in Zero-Sum Games
CyberAgent, Inc.（赛博艾坚特公司）；University of Electro-Communications（电气通信大学）
在这项研究中，我们考虑了两人零和游戏中遵循正规化领导者（FTRL）动态的一种变体。当对策略进行时间平均时，FTRL保证收敛到纳什均衡，而许多变体遭受极限循环行为的问题，即，缺乏最后的收敛保证。为此，我们提出了突变FTRL（M-FTRL），一种算法，引入突变的动作概率的扰动。然后，我们调查的连续时间动态的M-FTRL和提供强收敛保证平稳点，近似纳什均衡下的全信息反馈。此外，我们的模拟表明，M-FTRL可以享受更快的收敛速度比FTRL和乐观的FTRL下的全信息反馈和令人惊讶的强盗反馈下表现出明显的收敛。
2022-06-18 cs.GT cs.LG stat.ML
Instance-Dependent Regret Bounds for Learning Two-Player Zero-Sum Games with Bandit Feedback
The University of Tokyo（东京大学）；RIKEN AIP（理化学研究所人工智能项目）；University of Southern California（南加利福尼亚大学）
本文证明在仅带赌博反馈的双人零和正规形式博弈中，双方采用 Tsallis-INF 算法可实现实例相关的遗憾界，其中常数依赖于博弈间隙和纳什均衡结构，纯策略均衡时达到最优界并支持最后迭代收敛与高效均衡识别。
2025-02-24 cs.GT cs.LG
More Information is Not Always Better: Connections between Zero-Sum Local Nash Equilibria in Feedback and Open-Loop Information Patterns
该研究针对非凸-非凹目标、非线性动力学的零和动态博弈，建立了局部反馈纳什均衡与局部开环纳什均衡在一阶、二阶最优性条件及硬约束场景下的等价联系，为利用易计算的开环均衡求解反馈均衡提供了理论依据。
2025-03-19 cs.GT cs.SY eess.SY
Model-free Resilient Controller Design based on Incentive Feedback Stackelberg Game and Q-learning
本文针对工业信息物理系统中控制器被智能攻击者破坏的问题，基于激励反馈Stackelberg博弈设计弹性领导者控制器，并提出无需系统动力学的Q学习ADP在线求解算法，证明其收敛性。
2024-03-13 cs.GT cs.SY eess.SY
Toward a Classification of Finite Partial-Monitoring Games
部分监控博弈构成了不完美反馈的序列决策问题的数学框架：学习者重复选择一个动作，对手用一个结果回应，然后学习者遭受损失并接收反馈信号，这两者都是动作和结果的固定函数。学习者的目标是最小化他的总累积损失。我们对这些游戏的分类进展的基础上，他们的极大极小期望遗憾。也就是说，我们几乎所有的游戏有两个结果和有限数量的行动：我们表明，他们的极大极小预期遗憾是零，$\widetildeΘ(\sqrt{T})$，$Θ(T^{2/3})$，或$Θ(T)$，我们给这四类游戏一个简单而有效的可计算的分类。我们的希望是，结果可以作为一个垫脚石分类所有有限的部分监控游戏。
2011-10-11 cs.GT stat.ML
Open-Loop and Feedback Nash Trajectories for Competitive Racing with iLQGames
Technical University of Munich（慕尼黑工业大学）；TUM School of Engineering and Design（慕尼黑工业大学工程与设计学院）；Chair of Automatic Control（自动控制讲座教授）；Professorship of Autonomous Vehicle Systems（自主车辆系统讲座教授）
本研究将赛车建模为动态博弈，采用iLQGames求解开环与反馈Nash均衡，评估其在交互感知、竞争性和安全性方面的轨迹规划适用性，并比较两种均衡的行为差异。
2024-02-02 cs.GT cs.RO
Doubly Optimal No-Regret Online Learning in Strongly Monotone Games with Bandit Feedback
Sauder School of Business, University of British Columbia（不列颠哥伦比亚大学尚德商学院）；Stern School of Business, New York University（纽约大学斯特恩商学院）
本文针对强单调博弈中的赌博机反馈在线学习问题，提出基于自协调障碍函数的新算法，首次同时实现单智能体最优遗憾和多智能体最优末次迭代收敛速率，解决了该领域长期存在的开放问题。
2024-03-29 cs.GT cs.LG math.OC
Learning equilibria with personalized incentives in a class of nonmonotone games
University of Oxford（牛津大学）；ENSTA Paris（巴黎高等先进技术学院）；Institut Polytechnique de Paris（巴黎理工学院）
我们考虑二次，非单调的广义纳什均衡问题与对称相互作用的代理。虽然这类游戏是已知的承认一个势函数，它的形式化的表达可以在现实世界中的一些应用程序中不可用。出于这个原因，我们提出了一个两层的纳什均衡寻求计划，其中一个中央协调员利用嘈杂的反馈代理设计个性化的激励措施。通过利用这些激励，代理计算扩展博弈的解，然后将反馈措施返回给协调员。我们表明，我们的算法返回一个平衡，如果协调员被赋予标准的学习策略，并证实了我们的结果的一个数值实例的一个亚单调游戏。
2022-03-30 cs.GT cs.LG cs.MA
Search for an Immobile Hider on a Stochastic Network
哈利躲在一个图表的边缘，并没有从那里移动。莎莉从一个已知的来源开始，试图尽快找到他。哈利的目标是尽可能晚地被发现。在任何给定的时间，图的每条边都是活跃的或不活跃的，独立于其他边，具有已知的活跃概率。这种情况可以建模为零和二人随机博弈。我们表明，游戏有一个值，我们提供了这个值的上限和下限。最后，通过推广确定性情况下的最优策略，我们提供了更精确的结果树和欧拉图。
2019-12-01 cs.GT math.OC math.PR
Approximate Feedback Nash Equilibria with Sparse Inter-Agent Dependencies
Oden Institute for Computational Engineering and Sciences, The University of Texas at Austin（德克萨斯大学奥斯汀分校奥登计算工程与科学研究所）；Department of Electrical Engineering and Computer Sciences, University of California, Berkeley（加州大学伯克利分校电气工程与计算机科学系）；DEVCOM Army Research Laboratory（DEVCOM陆军研究实验室）
本文针对多智能体动态博弈中全状态反馈成本高且对噪声脆弱的问题，提出一种正则化动态规划方法，通过求解凸自适应组 Lasso 问题计算稀疏反馈策略以近似纳什均衡，并在 LQ 及非 LQ 博弈中验证了其收敛性和在噪声观测下最高降低 77% 成本的优势。
2025-04-09 cs.GT cs.MA cs.RO
