放松社交网络的共同信念

Relaxing Common Belief for Social Networks

Noah Burrell, Grant Schoenebeck

备注：: 31 pages. To be published in the proceedings of the 12th Innovations in Theoretical Computer Science Conference (ITCS 2021). First replacement added Acknowledgments. Second replacement added publication information, changed formatting to match publication version, added higher-resolution figures, and fixed minor errors and typos discovered during review

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

摘要英文摘要相关论文

摘要：

我们提出了一个放松的共同信念称为派系信念，是适合于社交网络上的战略合作的分析。我们展示了如何使用这个定义来分析一般图上的反抗游戏，包括通过给出一个有效的算法，该算法表征了这种游戏的可能均衡的结构结果。这扩展了先前关于共同知识和共同信念的工作，这些工作对于理解社交网络环境中的战略协调与合作来说过于限制。

英文摘要：

We propose a relaxation of common belief called factional belief that is suitable for the analysis of strategic coordination on social networks. We show how this definition can be used to analyze revolt games on general graphs, including by giving an efficient algorithm that characterizes a structural result about the possible equilibria of such games. This extends prior work on common knowledge and common belief, which has been too restrictive for use in understanding strategic coordination and cooperation in social network settings.

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

阅读原文

阅读 PDF ↗

arXiv 页面 ↗HTML 原文 ↗

本文内容

摘要英文摘要相关论文

机构、总结、中文摘要均由AI分析而来，可能存在错误，请以论文正文为准。

继续探索

相关论文

具有协调动机的社会学习

Social Learning with Coordination Motives

社会学习的理论研究通常假设每个代理人的行为只影响她自己的收益。在本文中，我提出了一个模型，其中代理人的行为直接影响其他代理人的收益。在离散时间线上，存在一个社区，在每个时期包含随机数的代理。在每个智能体需要采取行动之前，社区会收到一个关于世界底层状态的私人信号，并可能会观察到以前社区中的一些过去的行动。如果一个代理人的行为与国家的行为相匹配，或者如果更多的代理人采取与她相同的行为，那么她的收益就会更高。我分析了两种观察结构：外生观察和代价战略观察。在这两种情况下，协调动机增强社会学习的意义上，代理人采取正确的行动，显着更高的概率时，社区规模大于阈值。特别是，这个概率达到一（渐近学习）与无限的私人信念，可以任意接近一个有界的私人信念。然后，我讨论了多重均衡的问题，并使用风险优势作为均衡选择的标准。研究发现，在选择均衡中，社区规模对外生观察下的学习没有影响，对内生观察和无界私人信念下的学习有促进作用，对内生观察和有界私人信念下的学习有促进或阻碍作用。

2015-10-29cs.GTcs.SI

异质社交网络中的离散偏好博弈：颠覆多数与摇摆者

Discrete Preference Games in Heterogeneous Social Networks: Subverted Majorities and the Swing Player

研究异质社交网络中的离散偏好博弈。这些游戏模拟了玩家的私人信仰和他/她公开声明的观点之间的相互作用（这可能与玩家的信念不同）作为一个战略游戏，其中玩家的策略是意见，并且状态中意见的成本是通过两个因素的参数$α\in[0,1]$的凸组合：参与者的意见与他/她的内部信念之间的分歧，以及与参与者意见不同的邻居的数量。参数$α$模拟了一个玩家的顽固程度：只有当许多邻居不同意他/她的信念时，具有大$α$的玩家才会改变他们的观点。我们认为社交网络是异质的，在这个意义上，参数$α$可以不同的球员。我们要问的是，在均衡状态下，大多数参与者所共有的信念是否可能与大多数参与者公开宣布的观点不一致。我们的主要结果是一个社交网络，承认一个初始的信念分配，存在一个序列的最佳对策的动作，达到一个平衡，在初始的大多数被颠覆的表征。我们的特征是有效的，在这个意义上，可以有效地测试和初始的信念分配，可以被颠覆，可以计算在时间多项式中的球员的数量。我们的结果实际上更强，因为我们表明，在每个可以被颠覆的初始信念分配中，颠覆实际上是以一种非常强的方式获得的：只需要一个单一参与者，摇摆参与者的一次行动，就可以将社交网络带到不归点，任何参与者的任何理性举动都会导致被颠覆的大多数。

2016-03-09cs.DScs.GTcs.MA

有限观测信息交换系统的社会规范设计

Social Norm Design for Information Exchange Systems with Limited Observations

信息交换系统在许多方面有所不同，但都有一个共同的弱点，即自私行为和搭便车。在本文中，我们建立基于社会规范的激励计划。社会规范为系统中的用户规定了一种社会策略，以遵循和部署声誉计划，根据用户的行为来奖励或惩罚用户。由于这些系统中的用户通常只有有限的能力来观察全局系统信息，例如参与系统的用户的信誉分布，因此他们关于信誉分布的信念是异构的和有偏见的。这样的信念异质性导致一个积极的一部分用户不遵循的社会战略。在这种实际情况下，经济学文献中部署的标准均衡分析不再直接适用，因此，系统设计需要考虑这些差异。为了研究当参与的用户只有有限的观察时系统设计需要如何改变，我们专注于一个简单的社会规范与二元声誉标签，但允许通过随机化来调整惩罚的严重程度。首先，我们使用一个合适的贝叶斯信念函数的信念异质性建模。接下来，我们形式化的用户的最优决策问题，并得出在哪些情况下，他们遵循规定的社会战略。有了这个结果，我们然后研究系统动力学，并正式定义平衡的意义上说，系统是稳定的，当用户战略优化他们的决策。通过严格研究用户的信念分布是常数或受真实声誉分布的线性影响的两种具体情况，我们证明了最优的声誉更新规则是选择最温和的可能的惩罚。这一结果进一步证实了更高阶的信念在模拟。

2012-11-10cs.GT

信念平均相对功利主义

Belief-Averaged Relative Utilitarianism

在Savage的传统中，我们考虑了当个体和社会的偏好最大化主观期望效用时的社会福利函数。一个系统的公理介绍其唯一的解决方案是社会福利函数，平均代理人的信念和总结他们的效用函数，规范化具有相同的范围。第一个区别公理要求社会的偏好与行为人的偏好之间存在积极的关联，行为人的偏好与信念一致。第二个是削弱了阿罗对不相关替代方案的独立性，这些替代方案仅适用于非冗余行为。

2021-08-11cs.GTecon.TH

不完全信息博弈中的信念不变均衡与量子均衡

Belief-Invariant and Quantum Equilibria in Games of Incomplete Information

借鉴博弈论与量子物理思想，本文利用量子信息工具和博弈论语言，研究不完全信息博弈中的非局域相关性与均衡，提出了统一相关均衡、量子相关均衡及Bell不等式的信念不变通信均衡一般框架，并展示了其在社会福利优化方面的优越性。

2021-05-12cs.GTquant-ph

非原子路由博弈中的社会学习

Social Learning in Nonatomic Routing Games

考虑了一个需求可变、费用不确定的离散时间非原子路由博弈问题。给定一个单起点和单终点的路由网络，每条边的代价函数依赖于某个不确定的持久状态参数。在每个周期，一个随机的交通需求是通过网络根据Wardrop均衡路由。已实现成本是公开观测的，并且关于状态参数的公共贝叶斯信念被更新。我们说，当信念收敛于真理时，存在强学习，而当平衡流收敛于完整信息流时，存在弱学习。我们描述了学习发生的网络。我们证明了这些网络具有串并联结构，并提供了一个反例来表明，学习可能会失败，在非串并联网络。

2021-10-01cs.GTecon.TH