A damped forward-backward algorithm for stochastic generalized Nash equilibrium seeking
考虑了一个具有期望值费用函数的随机广义纳什均衡问题。受Yi和Pavel（Automatica，2019）的启发，我们通过利用向前-向后算子分裂和合适的预处理矩阵提出了一种分布式GNE搜索算法。具体地说，我们将这种方法应用到随机GNEP，其中，在每次迭代中，伪梯度的期望值通过多个随机样本来近似。我们的主要贡献是显示几乎必然收敛我们提出的算法，如果样本量增长足够大。
2020-02-14 cs.GT cs.SY eess.SY
Stochastic generalized Nash equilibrium seeking under partial-decision information
我们首次考虑了随机广义纳什均衡问题，即，期望值费用函数和联合可行性约束，在部分决策信息，这意味着代理只与一些可信的邻居通信。我们提出了几个分布式算法的网络游戏和聚合游戏，我们表明是一个预处理的前向向后分裂方法的特殊情况。我们证明了算法收敛到一个广义Nash平衡时，向前的操作是限制的余度，通过使用随机逼近方案与方差减少估计的期望值的伪梯度。
2021-05-31 cs.GT cs.SY eess.SY
Stochastic generalized Nash equilibrium seeking in merely monotone games
本文研究了具有期望值费用函数的单调博弈中的随机广义纳什均衡问题。具体来说，我们提出了第一个分布式SGNE寻求算法的单调游戏，需要一个邻近计算（例如，一个投影步骤）和每次迭代一个伪梯度评估。我们的主要贡献是将Malitsky（数学规划，2019）的放松的前向-后向算子分裂扩展到随机情况，并且当伪梯度的期望值近似于多个随机样本的平均值时，又显示出几乎必然收敛到SGNE。
2021-07-14 cs.GT cs.SY eess.SY
Distributed Nash Equilibrium Seeking via the Alternating Direction Method of Multipliers
University of Toronto（多伦多大学）
本文提出一种基于近似ADMM的快速算法，用于求解多玩家博弈的纳什均衡，通过通信图和轻微的函数假设实现收敛性证明与收敛率分析。
2016-12-01 cs.GT cs.SY eess.SY
An asynchronous, forward-backward, distributed generalized Nash equilibrium seeking algorithm
本文提出一种基于预处理前向-后向分裂的异步分布式算法，通过节点辅助变量重新设计更新规则，高效求解高度互联非合作博弈的广义纳什均衡，提升可扩展性并增强对通信延迟的鲁棒性。
2019-01-14 cs.GT cs.SY eess.SY
A fully-distributed proximal-point algorithm for Nash equilibrium seeking with linear convergence rate
我们解决纳什均衡问题的部分决策信息的情况下，每个代理只能观察一些邻居的行动，而其成本可能取决于其他代理的策略。我们的主要贡献是设计一个完全分布式的，单层的，固定步骤的算法，基于一个近端的最佳反应增强共识条款。为了得到我们的算法，我们遵循算子理论方法。首先，我们将纳什均衡问题转化为寻找单调算子的零点问题。然后，我们证明，所产生的包含可以通过一个接近点的方法，由于使用了一种新的预处理矩阵，在一个完全分布式的方式来解决。在博弈映射的强单调性和Lipschitz连续性下，证明了算法的线性收敛到一个Nash均衡。此外，我们表明，我们的方法优于最快的已知的基于梯度的计划，无论是在保证收敛速度方面，通过理论分析，并在实践中，通过数值模拟。
2020-09-10 cs.DC cs.GT math.OC
Proximal-like algorithms for equilibrium seeking in mixed-integer Nash equilibrium problems
我们考虑潜在的游戏与混合整数变量，我们提出了两个分布式的，近似的均衡寻求算法。具体来说，我们专注于两种情况：i）底层游戏是广义序数和代理更新通过迭代选择一个确切的最优策略; ii）游戏承认一个确切的潜力和代理采用近似的最优响应。通过利用整数兼容的正则化函数作为惩罚项的属性，我们表明，这两种算法收敛到一个精确的或$ε$ -近似平衡。我们证实了我们的研究结果的古诺寡头垄断模型的数值实例。
2022-10-27 cs.GT cs.MA cs.SY
Continuous-time fully distributed generalized Nash equilibrium seeking for multi-integrator agents
我们考虑在部分决策信息场景中由动态代理进行的具有凸可分离耦合约束的强单调游戏。我们首先设计连续时间完全分布式反馈控制器，基于共识和原始-对偶梯度动力学，在单积分代理网络中寻求广义纳什均衡。我们的第一个解决方案采用了一个固定的增益，其选择需要一些全局参数的游戏的知识。为了放松这一要求，我们设想了一个控制器，可以调整在一个完全分散的方式，由于使用不协调的积分自适应权重。我们还介绍了专门为广义聚合游戏设计的算法。最后，我们适应我们所有的控制方案来处理异构多积分代理，反过来，与非线性反馈线性化动力系统。对于所有提出的动态，我们证明了收敛到变分平衡，利用单调性和稳定性理论的投影动力系统。
2021-03-19 cs.GT cs.MA math.OC
Differentially Private Distributed Nash Equilibrium Seeking over Time-Varying Digraphs
该研究针对时变非平衡有向图下的聚合博弈，提出注入拉普拉斯噪声、结合push-sum协议与衰减因子、动量项的差分隐私分布式纳什均衡求解算法，实现收敛性与差分隐私的兼顾，仿真验证了有效性。
2025-02-13 cs.GT
Distributed Nash Equilibrium Seeking By Gossip in Games on Graphs
University of Toronto（多伦多大学）
本文提出在图上游戏中的 gossip 方法寻找纳什均衡，通过设计通用通信图实现部分耦合成本函数的玩家仅交换所需信息，并证明在递减步长下几乎必然收敛到纳什均衡。
2016-10-06 cs.GT cs.SY eess.SY
A rational decentralized generalized Nash equilibrium seeking for energy markets
我们提出了一种方法来设计一个分散的能源市场，保证个人的理性（IR）的期望，在存在系统级的电网约束。我们制定的市场作为一个福利最大化的问题受到IR的约束，我们利用拉格朗日对偶模型的问题作为一个n人的非合作博弈与一个独特的广义纳什均衡（GNE）。我们提供了一个分布式算法，收敛到GNE。通过数值模拟研究了算法的收敛性和性质。
2018-06-04 cs.CE cs.GT econ.TH
Ensuring both Provable Convergence and Differential Privacy in Nash Equilibrium Seeking on Directed Graphs
针对有向图上完全分布式纳什均衡寻求中的隐私保护问题，提出一种利用独立噪声且免加密的方法，在有限累积隐私预算下同时实现了精确收敛与严格差分隐私。
2023-04-10 cs.GT cs.SY eess.SY
Nash equilibrium seeking under partial-decision information over directed communication networks
我们考虑部分决策信息场景下的纳什均衡问题。具体来说，每个代理只能通过通信网络从一些邻居接收信息，而其费用函数取决于可能所有代理的策略。特别是，虽然现有的方法假设无向或平衡的通信，在本文中，我们允许非平衡，有向图。在博弈映射的强单调性和Lipschitz连续性条件下，我们提出了一个全分布伪梯度格式，该格式保证以线性速度收敛到纳什均衡。我们的算法需要全局知识的通信结构，即Perron-Frobenius特征向量的邻接矩阵和一定的常数有关的图形连接。因此，我们适应的过程中，网络是事先不知道的设置，通过计算的特征向量在线和消失的步长。
2020-09-10 cs.DC cs.GT cs.MA
Fully distributed Nash equilibrium seeking over time-varying communication networks with linear convergence rate
我们设计了一个分布式算法学习纳什均衡在时变通信网络中的部分决策信息的情况下，每个代理可以访问自己的费用函数和本地可行集，但只能观察一些邻居的行动。我们的算法是基于投影伪梯度动力学，增强与共识条款。在对策映射具有强单调性和Lipschitz连续性的条件下，基于迭代的压缩性，给出了一个非常简单的线性收敛的证明.与文献中提出的类似解决方案相比，我们还允许时变通信，并推导出更严格的步长，以确保收敛的界限。事实上，在我们的数值模拟，我们的算法优于现有的基于梯度的方法，当步长设置为它们的理论上界。最后，为了放松对网络结构的假设，我们提出了一种不同的伪梯度算法，该算法保证收敛于时变平衡有向图。
2020-09-10 cs.GT cs.MA math.OC
Nash equilibrium seeking in potential games with double-integrator agents
University of Pisa（比萨大学）
本文研究了在潜在游戏中通过双积分代理寻求纳什均衡的问题，提出了一种基于虚拟耦合的分布式梯度控制方法，用于引导网络进入稳定的配置集，并将这些配置集与潜在游戏的纳什均衡相关联。
2018-11-19 cs.GT cs.MA cs.SY
Fast generalized Nash equilibrium seeking under partial-decision information
我们解决的广义纳什均衡寻求问题的部分决策信息的情况下，每个代理只能与一些邻居交换信息，虽然其费用函数可能取决于所有代理的策略。现有的几种方法建立在投影伪梯度动力学的基础上，并且需要双层迭代或对步长的保守条件。为了克服这两个缺陷，提高效率，我们设计了第一个完全分布式的单层算法的基础上接近最佳反应。我们的计划是固定的步骤，并允许不精确的更新，这是至关重要的，以减少计算复杂性。在游戏原语的标准假设下，我们建立了收敛到变分均衡（线性速率的游戏没有耦合约束），通过重铸我们的算法作为近似点的方法，适时地预处理分配计算代理之间。由于我们的分析取决于一个受限制的单调性属性，我们还提供了新的一般结果，显着扩展域的适用性的邻近点方法。此外，算子理论的方法有利于可证明正确的加速方案，可以进一步提高收敛速度的实施。最后，我们的算法的潜力是数值证明，揭示了更快的收敛速度相对于投影伪梯度法和验证我们的理论研究结果。
2021-12-11 cs.GT cs.MA math.OC
Projected-gradient algorithms for generalized equilibrium seeking in Aggregative Games are preconditioned Forward-Backward methods
TU Eindhoven（埃因霍温理工大学）；Delft Center for Systems and Control (DCSC), TU Delft（代尔夫特系统与控制中心）
本文展示投影梯度方法在聚合博弈中分布式计算广义纳什均衡时，实际上是应用于游戏KKT算子的预条件前向-后向分裂方法。
2018-03-28 cs.GT cs.SY eess.SY
A Generalized Nash Equilibrium-Seeking Scheme for Trauma Resuscitation
Cornell University（康奈尔大学）
将创伤复苏建模为分布式广义纳什均衡博弈，通过时变通信图优化，考虑医护人员工作量、日程、能力和资源限制，以改善患者预后。
2026-05-26 cs.DC cs.GT cs.MA
Compression-based Privacy Preservation for Distributed Nash Equilibrium Seeking in Aggregative Games
本文针对聚合博弈中分布式纳什均衡求解的通信负担与隐私泄露问题，提出一种基于随机压缩的算法，在节省通信资源的同时通过压缩误差实现差分隐私，并证明其收敛精度，仿真验证了有效性。
2024-05-06 cs.GT cs.SY eess.SY
Nash equilibrium seeking over digraphs with row-stochastic matrices and network-independent step-sizes
本文提出一种分布式算法解决部分决策信息下非合作凸博弈的Nash均衡寻求问题，通过投影梯度和平均过程更新策略，在伪梯度映射对角占优条件下实现收敛，并给出与通信结构无关的常数步长界限。
2023-09-14 cs.GT
Asynchronous and time-varying proximal type dynamics multi-agent network games
在本文中，我们研究了非合作多智能体网络游戏的背景下，邻近型动力学。这些动态出现在不同的应用中，因为它们描述了多代理网络中的分布式决策，例如，在意见动力学、分布式模型拟合和网络信息融合中，每个代理的目标是仅使用本地信息来寻求均衡。我们分析了这类游戏的几个共轭，提供收敛结果，或设计寻求平衡的算法时，原来的动态无法收敛。对于仅受局部约束的游戏，我们研究了同步/异步动态和时变通信网络。对于除耦合约束外的博弈问题，我们设计了一个收敛于一类特殊博弈均衡的均衡搜索算法。最后，我们通过数值模拟的意见动力学和分布式模型拟合的理论结果进行了验证。
2019-09-24 cs.GT math.OC
Distributed Nash Equilibrium Seeking over Time-Varying Directed Communication Networks
针对时变有向通信网络下非合作凸博弈的纳什均衡求解问题，提出结合投影梯度与一致性动力学的分布式算法，通过显式推导混合项收缩性质证明几何收敛，数值实验验证了方法有效性。
2024-12-11 cs.GT
Asymmetric Nash Seeking via Best Response Maps: Global Linear Convergence and Robustness to Inexact Reaction Models
Department of 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）
本文研究了不对称信息双玩家约束博弈的全局线性收敛性和对不精确反应模型的鲁棒性，提出了一种不对称投影梯度下降-最佳反应迭代方法，证明了在最佳反应映射精确时的全局线性收敛性，并分析了不精确情况下的误差界。
2026-03-17 cs.GT cs.MA cs.RO
Communication-efficient and Differentially-private Distributed Nash Equilibrium Seeking with Linear Convergence
针对有向图上分布式非合作博弈的 NE 求解，本文提出 CDP-NES 框架，通过 Laplacian 噪声与差分压缩同时实现 ε-差分隐私、通信节省和线性收敛。
2024-05-08 cs.GT cs.SY eess.SY
A Distributed Nash Equilibrium Seeking in Networked Graphical Games
University of Toronto（多伦多大学）
本文研究了在网络博弈中通过分布式 gossip 方法寻找纳什均衡的问题，提出了一种通用通信图，使玩家仅交换所需信息，并证明了在逐渐减小的步长下，几乎确定性收敛到纳什均衡，同时分析了通信图和干扰图参数之间的权衡以及收敛速率的影响。
2017-03-28 cs.GT cs.SY eess.SY
Distributed Generalized Nash Equilibria Seeking Algorithms Involving Synchronous and Asynchronous Schemes
本文针对带耦合约束的非合作博弈，提出同步与异步分布式算法求解广义纳什均衡，通过变分不等式与原始-对偶近端方法，在理论上保证次线性收敛，并在网络化古诺竞争中验证有效性。
2024-02-11 cs.GT cs.MA
Generalized Multi-cluster Game under Partial-decision Information with Applications to Management of Energy Internet
许多工程网络的决策和管理涉及到多方利益冲突，而每一方又由多个Agent组成。这样的问题可以看作是一个多簇博弈。每个集群被视为一个自利的球员在非合作博弈中，在同一集群的代理合作，以优化集群的支付功能。在大规模网络中，簇内Agent的信息不能立即为簇外Agent所用，这对现有的纳什均衡搜索算法提出了挑战。因此，我们考虑部分决策信息的情况下，在广义纳什均衡寻求多集群游戏在一个分布式的方式。利用原对偶分析和图拉普拉斯矩阵，将问题转化为求预条件单调算子和的零点。在此基础上，提出了一种基于前向-后向-前向的分布式广义纳什均衡搜索算法，该算法无需完全了解对手簇的决策。在该算法中，每个代理通过无向网络与邻居进行通信，估计所有其他聚类的策略。我们证明了当通信强度参数足够大时，导出的算子可以是单调的。利用不动点理论证明了算法的收敛性，给出了一个充分条件.通过数值计算，讨论了该模型在能源互联网中的应用前景.
2022-05-24 cs.GT math.OC
Nash Equilibrium Seeking with Non-doubly Stochastic Communication Weight Matrix
Department of Electrical and Computer Engineering, University of Toronto（多伦多大学电气与计算机工程系）
本文提出了一种分布式纳什均衡寻求算法，用于网络博弈。每个玩家对其他玩家的动作信息不完全了解，通过强连通有向图进行通信，根据 gossip 通信协议发送/接收其他本地玩家的动作估计。由于信息交换的不对称性，定义了非双重（行）随机权矩阵。我们证明，由于非双重随机性质，所有玩家估计值的总平均在下一次迭代中不被保留，导致无法精确收敛。我们证明了该算法几乎必然收敛于博弈的纳什均衡。然后，我们扩展该算法用于图形博弈，在这种博弈中，所有玩家的成本函数仅依赖于本地邻居玩家。我们设计了一个关于通信有向图的假设，使得玩家能够更新所有影响其成本函数的玩家的估计。最后，我们通过社交媒体行为案例的模拟验证了该算法的有效性。
2017-03-30 cs.GT cs.SY eess.SY
Distributionally Robust Nash Equilibrium Seeking with Partial Observations and Distributed Communication
UCSD（加州大学圣地亚哥分校）
研究了随机单次游戏，考虑样本共享和个体可访问两种情况，提出ISBRAG算法求解分布鲁棒纳什均衡，并通过模拟验证结果。
2026-05-15 cs.GT cs.SY eess.SY
Tracking-based distributed equilibrium seeking for aggregative games
Alma Mater Studiorum - Universita‘ di Bologna（博洛尼亚大学）；IMT School for Advanced Studies Lucca（卢卡高等研究学院）；University of Seville（塞维利亚大学）；University of Oxford（牛津大学）
针对网络下聚合博弈的纳什均衡搜索问题，提出两种带跟踪机制的全分布式算法，分别处理局部约束和耦合约束场景，证明其线性收敛性并通过仿真验证有效性与先进性。
2024-02-12 cs.GT cs.SY eess.SY
Sychronous vs. asynchronous coalitions in multiplayer games, with applications to guts poker
本文研究多人博弈中同步与异步联盟的差异，指出异步最优值求解为非凸优化问题，并通过数值方法和支付函数凹凸性条件，肯定回答了三人 Guts 异步联盟最优值是否为零的开放问题。
2024-12-25 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
Linear convergence in time-varying generalized Nash equilibrium problems
本文研究时变广义纳什均衡问题，通过证明KKT算子的强单调性得到原始-对偶伪梯度动力学的线性收敛，并提出部分决策信息下聚合博弈的全分布式算法，最终在点对点能源市场经济调度中验证其有效性。
2023-04-19 cs.GT cs.MA math.OC
Distributed equilibrium seeking in aggregative games: linear convergence under singular perturbations lens
提出一种全分布式算法，通过跟踪机制重构聚合变量，利用奇异摄动框架分析，在强单调博弈中实现线性收敛，并在智能电网电压支撑案例中验证有效性。
2025-05-27 cs.GT cs.SY eess.SY
A Differentially Private Energy Trading Mechanism Approaching Social Optimum
本文针对P2P能源交易中的隐私泄露问题，提出一种引入校准拉普拉斯噪声的差分隐私纳什均衡寻求算法，在实现ε-差分隐私的同时以期望收敛到纳什均衡，并通过实验验证其接近社会最优的市场效率。
2024-10-21 cs.GT math.OC
Asynchronous Iterative Waterfilling for Gaussian Frequency-Selective Interference Channels
本文考虑了高斯频率选择性干扰信道下，在各链路功率和频谱屏蔽约束下的信息速率最大化问题。为了得到分散的解决方案，不需要用户之间的任何合作，最优化问题制定为一个静态的非合作博弈的完全信息。为了实现所谓的纳什均衡的游戏，我们提出了一种新的分布式算法称为异步迭代注水算法。在该算法中，用户以完全分布式和异步的方式更新其功率谱密度：一些用户可能比其他用户更频繁地更新其功率分配，并且他们甚至可能使用接收到的干扰的过时测量。所提出的算法代表了一个统一的框架，该框架涵盖并概括了所有已知的迭代注水算法，例如，顺序和同步版本。本文的主要结果包括一组统一的条件，保证所提出的算法的全局收敛到（唯一的）纳什均衡的游戏。
2008-01-16 cs.GT cs.IT math.IT
A stochastic generalized Nash equilibrium model for platforms competition in the ride-hail market
网约车市场存在的不确定性使得按需平台的定价策略变得复杂，这些平台相互竞争以提供移动服务，同时努力实现利润最大化。将此问题视为一个随机广义纳什均衡问题（SGNEP），设计了一个基于Tikhonov正则化的分布式随机均衡搜索算法来求解最优定价策略。值得注意的是，所提出的迭代方案不需要增加（可能是无限的）数量的随机变量的样本来执行随机逼近，从而使其从实用的角度来看是有吸引力的。此外，我们表明，该算法返回一个纳什均衡下仅仅单调性假设和仔细选择的步长序列，通过利用特定的结构SGNEP在手。最后，我们在按需乘车市场的数值实例上证实了我们的结果。
2022-03-29 cs.GT cs.MA cs.SY
Linear Last-Iterate Convergence for Continuous Games with Coupled Inequality Constraints
研究了部分决策信息情形下具有耦合仿射不等式约束的连续对策的广义纳什均衡（GNE）求解问题，其中每个局中人只能通过本地通信获取邻居的信息，而其代价函数可能依赖于其他局中人的策略.为此，一种新的分散的原始-对偶算法的基础上的共识和双扩散方法的设计，寻求变分GNE的研究游戏。本文还提供了理论分析，表明所设计的算法线性收敛的最后一个，据我们所知，这是第一次提出一个线性收敛的GNE寻求算法下耦合仿射不等式约束。最后，通过数值算例验证了所得理论结果的有效性.
2022-07-28 cs.GT
On the Equivalence of Synchronous Coordination Game and Asynchronous Coordination Design
本文在具有战略互补性和共同利益的动态博弈中，通过引入单调子博弈完美纳什均衡（MSPNE），证明了同步与异步协调机制在最大可实施结果上等价，并探讨了其计算复杂性与最优设计启示。
2024-11-04 cs.GT econ.TH
Distributed GNE seeking under partial-decision information over networks via a doubly-augmented operator splitting approach
针对部分决策信息下的共享耦合约束博弈，提出基于双重增广变量与单调算子分裂的单层分布式算法，实现原对偶完全分布式并以固定步长收敛至变分 GNE。
2018-08-13 cs.GT cs.SY eess.SY
Can Almost Everybody be Almost Happy? PCP for PPAD and the Inapproximability of Nash
该研究提出PPAD存在类PCP完全问题的猜想，证明若该问题需指数时间求解，可解决领域内多个开放问题，包括验证双人纳什均衡n^O(log n)近似方案的最优性，证明两类近似均衡问题为PPAD完全。
2025-09-05 cs.CC cs.GT
Personalized incentives as feedback design in generalized Nash equilibrium problems
University of Oxford（牛津大学）；IMT School for Advanced Studies Lucca（卢卡高等研究院）；ENSTA Paris（巴黎国立高等先进技术学院）；Institut Polytechnique de Paris（巴黎理工学院）
针对势函数未知的稳态与时变非单调广义纳什均衡问题，提出两层半去中心化算法，由协调器学习伪梯度并设计个性化激励，实现均衡或可调误差近似。
2023-05-22 cs.GT cs.LG cs.SY
Nash Equilibrium in Social Media
University of Toronto（多伦多大学）
研究社交媒体网络中纳什均衡寻求算法的应用，通过通信图共享信息以优化个体成本与收益。
2017-03-27 cs.GT cs.SI cs.SY
Stability of Gradient Learning Dynamics in Continuous Games: Scalar Action Spaces
游戏中的学习过程解释了参与者如何在寻求均衡的过程中相互争斗。我们研究了一个自然的学习模型的基础上个人梯度在两个球员连续游戏。在这样的博弈中，局部均衡的自然概念是微分纳什均衡。然而，学习动态的局部指数稳定的均衡集不一定与相应的博弈的微分纳什均衡集一致。为了表征这种差距，我们提供了正式的保证，这样的固定点的稳定性或不稳定性，利用频谱的线性化的游戏动态。我们提供了对纯量游戏的全面理解，并发现稳定和纳什均衡对学习率的变化具有鲁棒性。
2020-11-07 cs.GT cs.SY eess.SY
Efficient Distributed Learning in Stochastic Non-cooperative Games without Information Exchange
针对需信息交换的现有随机非合作博弈纳什均衡求解方法的局限，提出无需参与者通信的随机分布式学习算法，结合同时扰动梯度估计与镜像下降，证明其在严格单调博弈中收敛速率更优，经数值实验验证有效。
2022-02-16 cs.GT
Gradient Play in $n$-Cluster Games with Zero-Order Information
本文研究了在严格单调映射的$n$ -簇博弈中寻找纳什均衡的分布式方法。每个集群内的每个玩家都可以访问由零阶预言机在某个查询点估计的她自己的平滑局部成本函数的当前值。我们假设代理能够与他们的邻居在同一个集群中的一些无向图进行通信。集群中的代理的目标是最小化它们的集体成本。然而，这一成本取决于来自其他集群的代理人的行动。因此，集群之间的博弈将被解决。我们提出了一个分布式梯度播放算法，以确定在这个游戏中的纳什均衡。该算法考虑了通信设置和零阶信息。我们证明了该算法几乎必然收敛到一个纳什均衡适当估计的局部成本函数的梯度。
2021-07-27 cs.GT cs.SY eess.SY
Continuous-time integral dynamics for monotone aggregative games with coupling constraints
Faculty of Science and Engineering, University of Groningen（格罗宁根大学科学与工程学院）；Delft Center for Systems and Control (DCSC), TU Delft（代尔夫特理工大学系统与控制中心）
本文提出半去中心化积分动力学，证明其能全局收敛至变分广义聚合或纳什均衡，采用Lyapunov方法和微分包含的不变性技术。
2018-05-08 cs.GT cs.SY eess.SY
Game of Thought: Robust Information Seeking with Large Language Models Using Game Theory
Department of Computer Science, National University of Singapore, 13 Computing Drive, Singapore 117417（新加坡国立大学计算机科学系）
本文提出Game of Thought框架，通过博弈论技术提升大型语言模型在信息检索中的鲁棒性，实验证明其在最坏情况下的性能优于传统方法。
2026-02-02 cs.AI cs.CL cs.GT
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
