A note on existence and asymptotic behavior of Lagrangian equilibria for first-order optimal-exit mean field games
本文研究一阶最优退出平均场博弈模型,证明了拉格朗日均衡的存在性,分析了智能体分布的大时间渐近行为及其对初始分布的依赖性。
2024-10-08 math.OC
A Note on Solving Discretely-Constrained Nash-Cournot Games via Complementarity
离散约束纳什-古诺博弈已经引起了人们的注意,因为它们出现在各种竞争性的能源生产环境中,玩家必须做出一个或多个离散的决定。Gabriel等人[“求解离散约束纳什-古诺博弈及其在电力市场中的应用。“Networks and Spatial Economics 13(3),2013]声称离散约束纳什-古诺博弈的均衡集与相应的离散约束混合互补问题的解集一致。我们证明这种说法是错误的。
2020-02-29 econ.TH math.OC
Linear Quadratic Mean Field Games -- Part I: The Asymptotic Solvability Problem
研究了线性二次平均场对策中的渐近可解性问题。该模型具有渐近可解性,如果对于所有足够大的总体规模,相应的游戏有一组反馈纳什策略受到一个温和的正则性要求。我们提供了一个充要条件,并表明,在这种情况下,解决方案收敛到平均场极限。这是通过开发一个重新标度的方法来获得一个低维的常微分方程(ODE)系统,其中一个非对称的Riccati ODE具有核心作用。
2018-11-01 math.OC
Mean Field Games for Multi-agent Systems with Multiplicative Noises
研究了具有控制依赖乘性噪声的多智能体系统的平均场对策。对于一般的非均匀智能体系统,通过求解一个服从一致平均场近似的辅助限制最优控制问题,得到了一组分散控制策略。分散策略集进一步证明是一个$\varepsilon$ -纳什均衡。对于积分型多智能体系统,我们利用极限问题的凸性,设计了一组$\varepsilon$ -Nash策略。结果表明,在温和的条件下,所有的代理实现均方共识。
2019-06-07 math.OC
A note on non-coercive first order Mean Field Games with analytic data
研究了算子为非强制的一阶演化平均场博弈。例如,当某些方向在某些点上对一般玩家是“禁止的”时,就会发生这种情况。在一定的正则性假设下,我们证明了该系统的弱解的存在性。主要地,我们将描述人口的分布的演变作为通过流的初始分布的推进,适当地根据基本的最优控制问题定义。
2019-03-12 math.AP math.OC
Games, predictions, interactivity
这个简短的说明致力于揭开隐藏的互动性的普通游戏,这是一个人工制品的预测其他球员的行为,由固定的球员,并描述偏离他们的实际行为从这样的预测。提出了一种改进预测的方法。应用互动游戏的战略分析也简要说明。
1999-06-15 math.OC
Decentralized Strategies for Finite Population Linear-Quadratic-Gaussian Games and Teams
本文研究了一类新的有限个代理人的平均场对策。给出了非标准正倒向随机微分方程分散开环Nash均衡存在的充要条件.通过求解FBSDES,我们借助两个微分Riccati方程设计了一组分散策略。而不是$\varepsilon$ -纳什均衡在经典的平均场游戏,分散的战略集被证明是一个纳什均衡。对于无限视界问题,给出了一致性产生的代数Riccati方程可解的一个简单条件。进而研究了社会最优控制问题。在较弱的条件下,给出了分散社会最优控制和相应的社会代价.
2022-06-12 math.OC
A strategy-based proof of the existence of the value in zero-sum differential games
在Isaacs条件下,零和微分对策的值作为Hamilton-Jacobi-Bellman方程的唯一黏性解存在.在这篇文章中,我们提供了一个自包含的证明的基础上建设的$\ep$ -最优策略,这是受启发的“极值瞄准”方法从Krasovskii和Subbotin。
2013-01-27 math.OC
On Social Optima of Non-Cooperative Mean Field Games
本文研究了平均场博弈与社会福利最优化问题之间的联系。我们考虑了一个功能空间中的平均场博弈,其中有大量的代理人,每个代理人都寻求最小化一个单独的费用函数。不同主体的费用函数通过依赖于群体状态的平均值的平均场项耦合。我们证明了在一定的条件下,平均场博弈的任何$ε$ -Nash均衡都与凸社会福利最优化问题的最优解一致。结果证明了在功能空间的一般配方的基础上,并可以应用到各种平均场游戏在文献中研究。我们的结果还表明,平均场平衡的计算可以转换为凸最优化问题,它可以有效地解决分散的原始对偶法。数值模拟证明了所提出的方法的有效性。
2016-09-24 math.OC
Connections between Mean-Field Game and Social Welfare Optimization
研究了一类平均场对策与社会福利最优化问题之间的联系。我们考虑一个函数空间中的平均场博弈,其中有大量的代理人,每个代理人都寻求最小化一个单独的费用函数。不同代理的费用函数通过依赖于种群状态的平均值的平均场项耦合。我们表明,虽然平均场博弈是不是一个潜在的游戏,在一些温和的条件下的$ε$ -纳什均衡的平均场博弈符合社会福利最优化问题的最优解,这是真的,即使当个人的费用函数是非凸的。这种联系使我们能够评估和提高平均场均衡的效率。此外,它还导致了几个重要的意义上的存在性,唯一性和计算的平均场平衡。数值结果验证了该方法的有效性,并通过算例说明了该方法的适用性。
2018-02-14 math.OC
Finite-Horizon Partially Observable Semi-Markov Games with Risk Probability Criteria
针对系统状态部分可观测的两人零和半马尔可夫博弈,本文基于状态空间扩充技术分析终端累积收益低于目标的风险概率,推导沙普利方程并证明值函数唯一存在及纳什均衡存在。
2025-08-25 math.OC
A note on the strong formulation of stochastic control problems with model uncertainty
考虑一类具有模型不确定性的马尔可夫随机控制问题。控制器(智能玩家)只观察状态,因此使用反馈(闭环)策略。对收益没有直接兴趣的不利参与者(自然)选择开环控制,使不确定性参数化。这在反馈策略和开环控制上创建了两步最优化问题(就像游戏的一半)。主要结果是表明,在某些假设下,这提供了相同的价值(一半)的零和对称对策,其中不利的球员也发挥反馈策略,并积极地试图最大限度地减少回报。价值函数独立于不利参与者可访问的过滤。除了建模问题之外,本说明是[S] 3b的技术伴侣。
2014-04-08 math.OC
Generic Properties of First Order Mean Field Games
我们考虑一类确定性的平均场游戏,其中与每个玩家相关的状态根据线性w.r.t.的常微分方程演化。控制。从一般理论的角度研究解的存在性、唯一性和稳定性。在一个合适的动力学和代价泛函的拓扑空间内,我们证明了,对于几乎所有的平均场博弈(在Baire范畴意义下),最佳回复映射对于a.e.播放机因此,平均场博弈有一个强解(非随机解)。例子给出了开放的游戏集承认一个单一的解决方案,和其他开放的集合承认多个解决方案。进一步的例子表明,存在一个开集的MFG有一个唯一的解决方案,这是渐近稳定的w.r.t.最佳回复映射,以及具有不稳定的唯一解的MFG的另一个开集。最后,我们的一个例子,没有任何解决方案,甚至在温和的意义上与随机策略的终端约束的MFG。
2022-10-26 math.OC
Translation invariant mean field games with common noise
本文重点介绍一类特殊的平均场博弈,其中系数满足卷积型结构条件。这类具有共同噪声的平均场博弈通过一个简单的变换与某个不具有共同噪声的平均场博弈相关联,这允许从不具有共同噪声的问题的解中容易地构造出具有共同噪声的问题的解。
2014-09-25 math.OC math.PR
Unique determination of cost functions in a multipopulation mean field game model
本文研究多群体平均场博弈(MFG)系统的逆问题,推导不同数据下代价函数重构的唯一性结果,证明温和假设下仅单群体数据可重构简化代价函数,核心方法为多线性化技术。
2025-02-13 math.AP math.OC
Concurrent learning-based online approximate feedback-Nash equilibrium solution of N-player nonzero-sum differential games
University of Florida(佛罗里达大学)
本文提出一种并发学习的actor-critic-identifier架构,用于在线求解无限时间 horizon N玩家非零和微分博弈的近似反馈-纳什均衡解,无需持续激励(PE)条件。在比PE更温和的条件下,证明了所开发控制策略的统一最终有界收敛性。
2013-10-04 cs.SY eess.SY math.OC
Mean-field games of optimal stopping: a relaxed solution approach
我们考虑平均场博弈,每个代理商通过解决最优停止问题来确定退出博弈的最佳时间,该问题的报酬函数取决于仍然存在于博弈中的代理商的状态过程的密度。我们把自己的框架放松最佳停止,这相当于寻找最佳的占领措施的停止,而不是最佳的停时。这个框架使我们能够证明放松纳什均衡的存在性和唯一性的相关价值的代表代理人在温和的假设。此外,我们证明了一个严格的关系,放松纳什均衡和混合解的概念在早期的作品中介绍的主题,并提供了一个标准,根据该标准,最优策略是纯策略,也就是说,表现在一个类似的方式停时。最后,我们提出了一个数值方法计算平衡的情况下,潜在的游戏,并证明其收敛性。
2020-07-07 math.OC math.PR
Robust Time-inconsistent Linear-Quadratic Stochastic Controls: A Stochastic Differential Game Approach
本文用随机微分博弈研究鲁棒时间不一致线性二次控制,通过尖峰变分法给出纳什均衡充分条件,发现模糊厌恶在时间不一致情形下对有效风险厌恶的增强快于线性,影响更大。
2025-04-27 math.OC q-fin.MF
New estimates on the regularity of the pressure in density-constrained Mean Field Games
我们考虑了变分平均场博弈,并对博弈者分布的最大密度进行了约束。变分公式的最小值是一个博弈的均衡,其中每个参与者的运行成本和最终成本都被压力效应所增强,即正成本集中在密度饱和约束的集合上。然而,这种压力是先验的,只是一种测量,需要规律性才能给出其在轨迹上的积分的精确含义。我们改进,在有限的情况下,哈密顿量是二次的,这允许使用最优输运技术后,时间离散化,在第二作者Cardaliaguet和M{é}sz{á}ros的论文中得到的结果。我们证明了H1和L无穷的规律性非常温和的假设下的数据,并解释的后果MFG,在价值函数和拉格朗日平衡制定。
2019-05-28 math.AP math.OC
On Mean Field Games in Infinite Dimension
该研究针对实可分无穷维希尔伯特空间中的MFG系统,明确HJB方程与FP方程的解的定义,借助不动点定理与单调性条件证明了系统的适定性。
2025-09-04 math.AP math.OC
A note on Cournot-Nash equilibria and Optimal Transport between unequal dimensions
本文研究了一类局中人连续的对策,通过最小化与最优输运有关的费用,可以得到该对策的古诺-纳什均衡。特别是,我们重点关注维度不等之间的最优输运项的情况。我们还提出了几个数值模拟。
2022-09-29 cs.NA math.NA math.OC
Graphon Mean Field Games with a Representative Player: Analysis and Learning Algorithm
Columbia University(哥伦比亚大学);Data Science Institute, Columbia University(哥伦比亚大学数据科学研究所)
本文提出基于代表性玩家的图子均值场博弈框架,证明图子均衡的存在唯一性并用于近似网络有限玩家博弈,同时开发在线无预言机学习算法并给出样本复杂度分析。
2024-06-05 cs.AI cs.GT cs.LG
Linear Mean-Field Games with Discounted Cost
在本文中,我们介绍了离散时间线性平均场游戏的无限时域折扣成本最优性准则。一般代理的状态空间是紧Borel空间。每一次,每个代理都通过它们的动态和一级代价函数与另一个代理随机耦合,其中这种随机化是通过它们的状态的经验分布生成的(即,平均场项)。因此,每个代理的转移概率和一阶段代价函数线性依赖于平均场项,这是经典平均场博弈与线性平均场博弈的关键区别。在温和的假设下,证明了当代理人$N$的数目足够大时,从无限种群均衡中得到的策略是$\varepsilon(N)$ -Nash,其中$\varepsilon(N)$是$N$的显式函数.然后,利用MDP的线性规划公式和转移概率在平均场项下的线性性,将无限种群极限下的博弈表示为广义Nash均衡问题(GNEP),并建立了一个具有收敛保证的均衡计算算法.
2023-01-15 cs.SY eess.SY math.OC