Leveraging information in vehicular parking games
我们的论文探讨了停车辅助服务在城市环境中的服务提供在非合作网络环境中的一个例子。我们提出了规范的抽象的方式,司机追求停车位和他们的方式作出反应的部分或完整的信息,停车需求和供应,以及具体的定价政策,公共和私人停车设施。驾驶员被视为战略代理人,他们做出理性的决策,试图最大限度地减少获得停车位的成本。我们制定的资源选择游戏的游戏,并得出他们的均衡在不同的表达式的不确定性的整体停车需求。的平衡状态的效率进行比较,可以由一个集中的实体和条件来确定的最优分配最小化相关的无政府状态无政府代价值。本文的研究结果为道路和私人停车资源的定价和实际管理提供了有益的启示。更重要的是,他们反对的方式信息可用性调节服务成本,这支撑一般竞争性服务提供设置,并有助于更好地理解有效的信息机制的反直觉的少就是多的效果。
2012-07-24 cs.GT cs.NI physics.soc-ph
Ensuring Trust in One Time Exchanges: Solving the QoS Problem
我们描述了一个定价结构提供的IT服务,确保信任,而不需要重复的服务提供商和用户之间的互动。它通过提供一种定价结构来做到这一点,该定价结构使提供商能够真实地报告服务质量(QoS),同时使他们有利可图。这种机制也会导致预订服务的用户说出真相。
2005-12-08 cs.GT physics.soc-ph
Attraction versus Persuasion: Information Provision in Search Markets
Hong Kong University of Science and Technology(香港科技大学);Arizona State University(亚利桑那州立大学)
本文研究了存在搜索摩擦的寡头竞争市场中,企业如何通过广告提供信息以影响消费者决策,探讨了吸引力与说服之间的博弈,并分析了在不同条件下企业信息提供策略的最优性。
2022-05-25 cs.GT econ.GN econ.TH
Signaling in Bayesian Network Congestion Games: the Subtle Power of Symmetry
Politecnico di Milano(米兰理工大学)
网络拥塞博弈是一种多智能体策略交互的模型。尽管他们无处不在的应用程序,目前还不清楚是否有可能设计的信息结构,以改善网络用户的整体体验。我们专注于贝叶斯游戏与原子球员,网络的变幻莫测通过一个(随机)的自然状态,它决定了球员所产生的成本建模。第三方实体--发送者--可以观察网络的实现状态,并利用这些附加信息向每个玩家发送信号。一个自然的问题是:对于一个知情的发送者来说,是否有可能通过向理性更新信念的参与者提供信息来降低整体社会成本?本文重点研究了计算最优事前说服性信号方案的问题,表明对称性是其解的一个重要性质。事实上,我们表明,一个最佳的事前说服性信号方案可以计算在多项式时间时,球员是对称的,仿射成本函数。此外,当参与者不对称时,即使在非贝叶斯环境下,问题也变得NP难。
2020-02-12 cs.AI cs.GT
A Learning-based Honeypot Game for Collaborative Defense in UAV Networks
无人机(UAV)的激增为随时随地的按需服务提供开辟了新的机会,但也使UAV面临各种网络威胁。低/中交互蜜罐被认为是一种很有前途的轻量级防御,可以主动保护移动物联网,特别是无人机网络。现有的工作主要集中在蜜罐设计和攻击模式识别,激励无人机参与的激励问题(例如,在蜜罐中共享捕获的攻击数据)以协作地抵抗分布式和复杂的攻击仍然未被开发。本文提出了一种新的基于博弈的协同防御方法,以解决最优的,公平的,可行的激励机制设计,在存在网络动态和无人机的多维私人信息(例如,有效防御数据(VDD)量、通信延迟和UAV成本)。具体来说,我们首先开发了一个蜜罐游戏无人机之间的部分和完全信息不对称的情况下。然后,我们设计了一个合同理论的方法来解决最优的VDD奖励合同设计问题的部分信息不对称,同时确保真实性,公平性和计算效率。此外,在完全信息不对称的情况下,我们设计了一种基于强化学习的分布式方法,在快速变化的网络中为不同类型的无人机动态设计最优合同。仿真实验表明,与现有方案相比,该方案能够激励无人机在VDD共享中的协作,提高防御效能。
2022-09-28 cs.GT
Trade Privacy for Utility: A Learning-Based Privacy Pricing Game in Federated Learning
为了防止在联邦学习(FL)下数据所有者(DO)之间共享梯度时的隐式隐私泄露,差分隐私(DP)及其变体已经成为一种常见的实践,以提供低开销的正式隐私保证。然而,个体DO通常倾向于注入更大的DP噪声以获得更强的隐私规定(这导致模型效用的严重退化),而策展人(即,聚集服务器)旨在最小化所添加的随机噪声的总体影响以获得令人满意的模型性能。为了解决这一矛盾的目标,我们提出了一种新的动态隐私定价(DyPP)游戏,它允许DO出售个人隐私(通过降低本地添加的DP噪声的规模)差异化的经济补偿(由策展人提供),从而提高FL模型的实用性。考虑到参与者之间的多维信息不对称(例如,DO的数据分布和隐私偏好,以及策展人的最大可负担报酬)以及他们在不同FL任务中的不同隐私信息,很难直接达到混合策略DyPP博弈的纳什均衡。另外,我们设计了一个快速的强化学习算法,具有两个层次,快速学习的最佳混合噪声节省策略的DO和最佳的混合定价策略的策展人没有先验知识的球员的私人信息。在真实数据集上的实验验证了该方案的可行性和有效性,在更快的收敛速度和提高FL模型的效用与更低的支付成本。
2023-02-15 cs.GT
A Repeated-Game Framework for Incentives in Decentralized Infrastructure Protocols
Volt Capital
该研究针对DePIN提出重复博弈激励框架,定义威慑比Γ,推导合规性序列激励相容条件,用于设计协议的质押、奖励、试用期及审计规则。
2026-08-14 cs.GT
Refinement of the Equilibrium of Public Goods Games over Networks: Efficiency and Effort of Specialized Equilibria
最近,Bramoule和Kranton提出了一个通过网络提供公共产品的模型,并证明了一类称为专门均衡的纳什均衡的存在,其中一些代理人发挥最大努力,而其他代理人则搭便车。我们研究的效率,努力和成本的专门均衡相比,其他均衡。我们的主要结果表明,一个特定的专业化均衡的福利接近最大的福利在所有的均衡的收益函数的单位趋于1。对于森林网络来说,当网络的最小值趋近于零时,类似的结果也成立。此外,如果没有任何这样的条件,任何网络都存在一个特殊的均衡,它要求所有均衡中的最大加权努力。当网络是一个森林时,一个专门化的均衡也会在所有均衡中产生最小的总成本。对于覆盖良好的森林网络,我们证明了所有的福利最大化均衡是专门的,所有的均衡产生相同的总成本。因此,我们认为,专业化均衡可以被认为是一个细化的公共产品博弈的均衡。我们展示了几个结果的结构和效率的平衡,突出的依赖在网络中的作用。
2022-01-24 cs.GT math.OC
In Congestion Games, Taxes Achieve Optimal Approximation
在这项工作中,我们考虑原子拥塞游戏中的社会成本最小化的问题。对于这个问题,我们提供了严格的计算下限,随着税收机制产生多项式时间算法的最佳逼近。也许令人惊讶的是,我们的研究结果表明,间接干预,在有效计算的税收机制的形式,产生相同的性能可实现的最好的多项式时间算法,即使后者完全控制代理人的行动。由此可见,没有任何其他易于处理的、旨在激励人们期望的系统行为的方法可以改善这一结果,无论它是基于税收、协调机制、信息提供还是其他任何原则。简而言之:明智地选择税收达到最佳近似。三个技术贡献支持这一结论。首先,我们表明,计算最小的社会成本是NP-困难的近似在一个给定的因素只取决于可接受的资源成本。其次,我们设计了一个易于处理的税收机制,其效率(无政府状态的无政府代价)匹配这个硬度因素,因此是最坏情况下的最优。由于这些结果扩展到粗相关均衡,任何无悔算法继承了相同的性能,使我们能够设计多项式时间算法的最佳逼近。
2022-05-19 cs.CC cs.GT math.OC
Bounding Rationality by Discounting Time
考虑一个游戏,爱丽丝生成一个整数,如果鲍勃能分解这个整数,他就赢了。传统的博弈论告诉我们,鲍勃将永远赢得这个游戏,即使在实践中,爱丽丝会赢,因为我们通常假设分解的难度。我们定义了一个新的有限理性的概念,在那里的球员的收益是由他们采取行动的计算时间贴现。我们用这个概念给一个直接的对应关系存在的平衡,爱丽丝有一个获胜的战略和硬度的因素。也就是说,在贴现率的自然假设下,存在一个均衡,其中Alice具有获胜策略,当且仅当存在一个线性时间可采样分布,平均而言,该分布的保理是困难的。我们还给出了可数行动空间上的折扣博弈的一般结果,包括表明任何具有有界和可计算支付的博弈在我们的模型中都有一个均衡,即使每个玩家被允许有可数数量的行动。例如,在我们的模型中,最大的博弈有一个均衡,尽管它没有纳什均衡或ε-纳什均衡。
2009-11-16 cs.CC cs.GT
Information design in Bayesian routing games
本文研究贝叶斯路由博弈中面向策略用户的最优信息设计,重点分析私有路径推荐信号,并给出两条并行链路仿射延迟下实现最优性的充分条件,发现不确定性越大越有利于规划者实现最优。
2023-11-30 cs.GT
Choosing What Game to Play without Selecting Equilibria: Inferring Safe (Pareto) Improvements in Binary Constraint Structures
Carnegie Mellon University(卡内基梅隆大学)
本文研究如何在二元约束结构中推断安全改进,通过分析结果对应性的假设来确定游戏之间的改进关系。
2025-11-26 cs.CC cs.GT cs.MA
Collaborative Honeypot Defense in UAV Networks: A Learning-Based Game Approach
针对无人机网络中的协作蜜罐防御,提出基于博弈论和强化学习的激励设计方法,以解决信息不对称下的最优契约问题,提升防御有效性。
2023-08-30 cs.GT cs.SY eess.SY
To Optimize Human-in-the-loop Learning in Repeated Routing Games
针对重复路由博弈中非短视用户的人机闭环学习问题,提出差异化用户概率推荐(UPR)机制,通过随机化路径推荐将系统效率损失PoA从无穷大降至接近最优且不可进一步降低。
2024-11-15 cs.GT
Mixture Selection, Mechanism Design, and Signaling
我们提出并研究了一个基本的算法问题,我们长期的混合选择,作为一个积木在一些博弈论的应用:给定一个功能$g$从$n$维超立方体的有界区间$[-1,1]$,和一个$n \times m$矩阵$A$有界条目,最大化$g(Ax)$在$x$在$m$维单纯形。当人们试图设计一个拍卖中出售物品的彩票时,或者通过提供信息(也称为信息)为贝叶斯博弈中的代理人设计后验信念时,这个问题自然会出现。信令)。当$g$同时满足两个光滑性质时,我们提出了一个近似算法:关于$L^\infty$范数的Lipschitz连续性和噪声稳定性。后一个概念,我们定义并迎合我们的设置,控制$g$输入中的低概率错误对其输出的影响程度。当$g$同时是$O(1)$ -Lipschitz连续和$O(1)$ -稳定时,我们得到了混合选择的一个(加性)PTAS.我们还表明,这两个假设本身都不足以为添加剂PTAS,这两个假设一起不足以为添加剂FPTAS。我们将我们的算法应用于不同的博弈论应用,从机制设计和最佳信号。我们在先前工作中提出的一些开放问题上取得了进展,很容易将它们归结为混合选择:我们解决了Dughmi,Han和Nisan提出的小菜单彩票设计问题的一个重要特例;我们解决了Emek等人和Miltersen和Sheffet提出的贝叶斯第二价格拍卖中的收入最大化信号问题;对Dughmi提出的正规型博弈中的最优信号问题设计了一个拟多项式时…
2015-08-14 cs.DS cs.GT