参数博弈中的数据驱动行为估计
Data-Driven Behaviour Estimation in Parametric Games
AI总结：
本文提出一种统一的数据驱动方法，从观测行为中估计多智能体博弈中的效用函数，适用于均衡与时间序列数据，并在可口可乐与百事双头垄断的市场份额估计中验证了其高效性与有效性。
摘要：
多智能体战略博弈中的一个核心问题涉及学习驱动智能体行为的潜在效用。受大型数据集日益可用的启发，我们开发了一种统一的数据驱动技术，用于从观测到的行为中估计智能体的效用函数，无论观测结果对应于均衡配置还是行动序列的时间序列。在对效用参数化的标准假设下，所提出的推理方法计算效率高，并能找到所有最能合理化观测行为的参数。我们使用可口可乐公司和百事公司双头垄断的历史数据，在广告竞争下的市场份额估计问题上数值验证了我们的理论发现。
英文摘要：
A central question in multi-agent strategic games deals with learning the underlying utilities driving the agents' behaviour. Motivated by the increasing availability of large data-sets, we develop an unifying data-driven technique to estimate agents' utility functions from their observed behaviour, irrespective of whether the observations correspond to equilibrium configurations or to temporal sequences of action profiles. Under standard assumptions on the parametrization of the utilities, the proposed inference method is computationally efficient and finds all the parameters that rationalize the observed behaviour best. We numerically validate our theoretical findings on the market share estimation problem under advertising competition, using historical data from the Coca-Cola Company and Pepsi Inc. duopoly.
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。
