Dynamic Programming for One-Sided Partially Observable Pursuit-Evasion Games
追逐-逃避场景广泛出现在机器人、安全领域和许多其他现实世界的情况中。我们专注于两个球员的追求-逃避游戏，同时移动，无限的地平线，和折扣奖励。我们假设参与者具有部分可观察性，然而，逃避者被赋予了知道追击者单位当前位置的优势。此设置对于安全域特别有意义，在这些安全域中，通常需要一个健壮的策略，旨在最大化最坏情况下的效用。我们提供了，据我们所知，第一个算法，证明收敛到一个部分可观察的追求-逃避游戏的价值与无限的地平线。我们的算法扩展了著名的价值迭代算法，利用（1）我们的游戏的价值函数只依赖于位置的追求者和他的信念，他对当前位置的逃避者，（2）这些功能是分段线性和凸的信念空间。
2016-08-04 cs.GT
Partially Observable Stochastic Games with Neural Perception Mechanisms
University of Oxford（牛津大学）；University of Glasgow（格拉斯哥大学）
本文提出神经符号部分可观测随机博弈模型及单边NS-HSVI求解方法，利用神经网络原像分析和粒子信念表示，验证了其在行人-车辆与追逃场景中的实用性。
2024-06-30 cs.GT cs.LG
Game-Theoretic Design of Optimal Two-Sided Rating Protocols for Service Exchange Dilemma in Crowdsourcing
尽管众包越来越受欢迎，也有成功的例子，但当集体努力因精心策划的破坏而脱轨或严重受阻时，它就失去了光环。当自利用户之间不合作时，服务交换困境出现，在短视均衡下社会福利为零。传统的评级协议是不能有效地克服社会不良的均衡，由于众包的特定功能：大量的匿名用户具有不对称的服务需求，不同的服务能力，并动态加入/离开一个众包平台与不完善的监控的低效率。在本文中，我们开发的双边评级协议，以刺激自利用户之间的合作，其中包括一个推荐策略和评级更新规则的第一个博弈论设计。推荐策略根据内在参数从三个预定义的计划中推荐期望的行为，而评级更新规则涉及两个用户的评级更新，并使用不同的惩罚来惩罚具有不同评级的用户。通过量化可持续的社会规范的充分必要条件，我们制定的问题，设计一个最佳的双边评级协议，最大化的社会福利在所有可持续的协议，提供设计最佳的双边评级协议和低复杂度的算法，以选择最佳的设计参数的交替方式。最后，评估结果表明，我们的协议设计的服务交换困境的众包的有效性和有效性。
2018-03-03 cs.GT
Partial-Observation Stochastic Games: How to Win when Belief Fails
在图上部分观察的两人有限状态随机博弈中，在图的每个状态中，参与者同时选择一个行动，他们的联合行动决定了后继状态的概率分布。我们考虑可达性目标，其中参与人1试图确保目标状态几乎肯定或积极地被访问。在信息的基础上，游戏可以是单边的，即（a）参与者1或（b）参与者2具有部分观察，或者是双边的，即两个参与者都具有部分观察。在随机化的基础上，（a）玩家可能不被允许使用随机化（纯策略），或者（b）可以选择概率分布，但实际的随机选择是不可见的（行动不可见），或者（c）可以使用完全随机化。我们对纯策略的研究结果如下：（1）对于参与人2完全观察的单边博弈，我们证明了基于信念的策略是不充分的，并给出了几乎肯定获胜策略和正获胜策略的记忆指数上界;我们证明了决定参与人1的几乎肯定和积极获胜策略的存在性的问题是EXPTIME-完整的和目前的符号算法，避免显式指数建设。（2）对于参与人1完全观察的单边博弈，我们证明了非基本记忆对于几乎肯定获胜策略和积极获胜策略都是必要的和充分的。(3)We表明，对于双方的情况下，有限的记忆策略是足够的积极和几乎肯定的胜利。我们建立了几乎肯定获胜问题的纯策略与随机策略的行动不可见的等价性。我们的等价结果表现出严重的缺陷，在以前的结果在文献中：我们显示了一个非基本的记忆下界几乎肯定获胜，而指数上界声称。
2011-07-11 cs.GT
Solving Football by Exploiting Equilibrium Structure of 2p0s Differential Games with One-Sided Information
Arizona State University（亚利桑那州立大学）；Purdue University（普渡大学）
通过利用2p0s微分博弈的均衡结构，解决具有连续动作空间的22人足球游戏，提升学习准确性和效率。
2026-03-01 cs.GT
Cloud computing as a platform for monetizing data services: A two-sided game business model
随着对云计算作为存储当今大数据的支柱的前所未有的依赖，我们在本文中认为，云的角色应该从被动的虚拟市场重塑为通过人工智能（AI）服务将大数据货币化的主动平台。目标是使云成为一个活跃的平台，可以帮助大数据服务提供商接触到更广泛的客户和云用户（即，数据消费者）暴露于更大和更丰富的数据以运行其数据分析任务。为了实现这一愿景，我们提出了一个新的博弈理论模型，它包括一个混合的合作和竞争策略。游戏的参与者是大数据服务提供商、云计算平台和云用户。玩家的策略使用双边市场理论建模，该理论考虑了参与方之间的网络效应，同时将云资源和消费者需求之间的外部性整合到游戏设计中。使用亚马逊和谷歌集群数据进行的模拟表明，所提出的模型提高了所有参与方的云资源提供和货币利润方面的总盈余相比，目前的商家模型。
2021-04-26 cs.AI cs.DC cs.GT
Task Allocation in Customer-led Two-sided Markets with Satellite Constellation Services
针对双边市场中传统公司主导模型难以满足个性化需求的问题，提出客户主导的Stackelberg博弈模型，实现成本高效的任务分配，实验显示客户支付降低23%，公司收入提升6.7倍。
2025-01-23 cs.GT cs.MA
An Analytical Study of a Two-Sided Mobility Game
在本文中，我们考虑了一个移动系统的旅行者和供应商，并提出了一个“移动性游戏”来研究当一个旅行者匹配到一个供应商。每个旅行者寻求使用仅一个提供商的服务旅行，该提供商管理一种特定的交通模式（例如，汽车、公共汽车、训练、自行车）。每个供应商的服务都有能力，可以在任何时刻为固定数量的旅行者提供服务。因此，我们的问题属于多对一分配问题的范畴，其目标是找到保证分配稳定性的条件。我们制定了一个线性规划，最大限度地提高旅客和供应商的社会福利，并显示它是如何等价于原来的问题，并将其解决方案稳定的分配。我们还调查了我们的结果下的信息不对称，并提供了一个“机制”，elastening的信息的旅行者和供应商。最后，我们通过一个数值模拟的例子来研究和验证我们的方法的优点。
2022-03-12 cs.GT cs.SY eess.SY
A Contextual-Bandit Oversight Game with Two-Sided Informational Asymmetry
Stanford Graduate School of Business（斯坦福商学院）
研究AI代理运行时人类监督中的双边信息不对称问题，提出情境赌博机团队博弈模型，刻画了团队最优与短视规则之间的可避免伤害差距，并分析了动态学习与信号传递机制。
2026-07-02 cs.AI cs.GT
Truthful and Stable One-sided Matching on Networks
社交网络上的机制设计是近年来的一个研究热点，在拍卖和匹配方面我们看到了许多有趣的结果。与传统设置相比，网络设置的新目标是我们需要设计激励机制来激励游戏的参与者邀请他们在网络上的邻居加入游戏。这是具有挑战性的，因为他们正在竞争的东西（例如，游戏中的资源或比赛。在单边匹配中，尤其是房屋交换中，著名的唯一真实、稳定、最优解--最佳交易周期（TTC）不能达到新的目标。现有的工程已试图增加对TTC的约束，以获得激励，但它只适用于树木，它不能保证任何稳定性。在本文中，我们进一步推进了这一点，并提出了第一个名为Leave and Share（LS）的机制，该机制不仅在所有网络中实现了目标，而且在新设置中给出了最稳定的解决方案。在最优性方面，由于在任何网络中都不可能实现它，因此我们进行模拟以将其与TTC的扩展进行比较。
2023-01-26 cs.GT
Single-leader multi-follower games for the regulation of two-sided Mobility-as-a-Service markets
移动即服务（MaaS）是一种新兴的商业模式，由“一切即服务”的概念驱动，并通过移动互联网技术实现。在经济放松管制的背景下，MaaS系统由一个典型的双边市场组成，其中旅行者和运输服务提供商（TSP）是通过MaaS平台相互交互的两组代理。在这项研究中，我们提出了一个建模和优化框架，用于双边MaaS市场的监管。我们考虑了一个自己定价（NYOP）拍卖机制，其中旅行者通过MaaS平台提交购买出价以满足他们的旅行需求，而TSP提交出售出价以提供MaaS平台的移动资源以换取付款。我们把这个问题作为一个单领导者多追随者的游戏（SLMFG），领导者是MaaS监管机构和两组追随者的问题代表旅行者和TSP。MaaS监管机构的目标是通过优化运营来最大限度地提高利润。为了响应MaaS监管机构的决定，旅行者（分别为TSP）调整其在MaaS平台中的参与级别，以最大限度地降低其差旅成本（利润最大化）。我们分析了跨组网络效应在MaaS市场，并制定SLMFG没有和网络效应导致混合整数线性双层规划和混合整数二次双层规划问题，分别。我们提出了定制的分支定界算法的基础上强对偶重新解决这些SLMFG。在从真实移动数据生成的大规模模拟实例上进行的大量数值实验突出表明，所提出的算法的性能显着优于基准方法，并为实践中双边MaaS市场的监管提供了有意义的管理见解。
2021-09-17 cs.GT math.OC
A Unified Model of Congestion Games with Priorities: Two-Sided Markets with Ties, Finite and Non-Affine Delay Functions, and Pure Nash Equilibria
本文统一了带优先级的拥塞博弈与双边市场模型，解决了优先级玩家产生有限延迟的开放问题，证明了纯纳什均衡的存在性与可计算性。
2024-07-17 cs.DM cs.DS cs.GT
Global Convergence to Nash Equilibrium in Nonconvex General-Sum Games under the $n$-Sided PL Condition
Technical University of Munich（慕尼黑工业大学）；Munich Institute of Robotics and Machine Intelligence（慕尼黑机器人与智能研究所）
本文提出了一种在非凸一般和博弈中实现全局收敛到纳什均衡的算法，基于n边PL条件扩展了PL条件，并分析了其收敛性及实验性能。
2026-02-12 cs.GT cs.MA cs.NA
Solving Parity Games on Integer Vectors
我们考虑无限图上的奇偶博弈，其中配置由控制状态和整数向量表示。这个框架包含了两个经典的博弈问题：状态向量加法系统上的奇偶博弈和多维能量奇偶博弈。我们证明了多维能量奇偶博弈问题是与vass上的单边奇偶博弈的一个子类可互约的，其中只有一个玩家可以修改整数计数器，对手只能改变控制状态。我们的主要结果是，这些单面奇偶对策的上闭获胜集的最小元素是可计算的。这意味着赢得多维能量平价博弈所需的最小初始信用的帕累托边界也是可计算的，解决了文献中的一个悬而未决的问题。此外，我们的主要结果暗示了有限状态系统与vass之间弱模拟前序/等价的可判定性，以及大片段模态μ演算的模型检验vass的可判定性。
2013-06-12 cs.GT cs.LO
Three-sided mobility-energy market design as a multiperiod stochastic assignment game
New York University Tandon School of Engineering（纽约大学坦顿工程学院）
针对出行与充电需求时间脱节问题，提出监管者主导的双层指派博弈模型，结合PURC框架与时间分解求解，揭示充电容量阈值、利润凹形轨迹及动态定价策略，为车队与充电设施协调提供依据。
2026-09-09 cs.CY cs.GT
Regret Minimization in Behaviorally-Constrained Zero-Sum Games
Carnegie Mellon University（卡内基梅隆大学）
无遗憾学习已经成为解决扩展形式游戏的强大工具。这是由反事实遗憾最小化（CFR）框架，它依赖于实例化的遗憾最小化的单形在每个信息集的游戏。我们使用的CFR框架的实例开发算法解决行为约束（作为一种特殊情况，在Selten意义上扰动）的扩展形式的游戏，这使我们能够计算近似的纳什均衡的改进。纳什均衡的改进是由纳什均衡中的一个主要缺陷引起的：它实际上没有保证它将如何在博弈树中以零概率到达的部分中发挥作用。改进可以解决这个问题，但尚未在实践中采用，主要是由于缺乏可扩展的算法。我们表明，相比标准算法，我们的方法找到的解决方案，有更好的细化性能，同时享受的收敛速度，是最先进的算法纳什均衡计算在理论和实践中。
2017-11-09 cs.GT cs.LG
Last-iterate Convergence Separation between Extra-gradient and Optimism in Constrained Periodic Games
Institute for Theoretical Computer Science（理论计算机科学研究所）；Shanghai University of Finance and Economics（上海财经大学）
本文研究约束周期博弈中 optimistic 与 extra-gradient 方法的最后迭代行为，证明二者在收敛性上同样存在分离。
2024-06-15 cs.GT cs.LG
Independent Learning in Constrained Markov Potential Games
ETH Zürich（苏黎世联邦理工学院）
针对约束 Markov 势博弈，提出无需集中协调的独立策略梯度算法，结合正则化约束集的邻近点更新与随机切换梯度求解，并证明其收敛至近似约束 Nash 均衡。
2024-02-27 cs.GT cs.LG cs.MA
A Game of Nontransitive Dice
Department of Mathematics and Statistics, University of North Carolina at Charlotte（北卡罗来纳大学夏洛特分校数学与统计系）；Department of Economics, University of Texas at Austin（德克萨斯大学奥斯汀分校经济学系）
本文研究了一个两人同时行动的游戏，其中每位玩家选择一个n面的骰子，当n>3时，存在唯一的纯策略纳什均衡，即每个玩家都选择标准n面骰子，每个面有不同的数字。
2018-10-22 cs.GT econ.GN math.PR
Constrained Trading Networks
基于双边（不可分割）合同的交易可以用网络来表示。顶点对应于代理人，而弧代表双边合同的非价格元素。给定每个弧的价格，代理选择使其效用最大化的事件弧。我们扩大了模型，允许polymatroidal约束的一组合同，可以被解释为建模有限的一对一的替代。我们证明了双边市场存在一个竞争均衡，但对于多边市场，这可能是不可能的。
2020-08-22 cs.GT econ.TH
On the characterization of constrained correlated equilibria in Markov games
SYCAMORE, EPFL（SYCAMORE, 洛桑联邦理工学院）
本文形式化并刻画了马尔可夫博弈中约束关联均衡的概念，证明了在耦合约束下此类均衡的存在性。
2026-08-20 cs.GT
Computing Constrained Approximate Equilibria in Polymatrix Games
本文研究了多矩阵博弈中约束近似纳什均衡的计算问题，多矩阵博弈是由博弈者之间的交互图定义的多人博弈的简洁表示。在最近的一次突破中，Rubinstein证明了存在一个小常数$ε$，使得找到一个多矩阵博弈的（无约束）$ε$ -纳什均衡是PPAD完全的。在本文的第一部分中，我们证明了如果一个多矩阵博弈有9个自然约束和任何非平凡的近似保证的约束近似均衡是NP-难的。这些结果甚至适用于平面二部多矩阵游戏度3和最多7个战略，每个球员，和所有非平凡的近似保证。这些结果与双矩阵游戏的类似结果形成对比，后者显然需要非常数数量的动作，并且依赖于更强的复杂性理论假设，如指数时间假设。在第二部分中，我们提供了一个确定性的QPTAS的交互图有界树宽，每个玩家可以计算约束的近似平衡的一个广泛的家庭的约束，覆盖了许多的约束处理的第一部分，与许多行动的数学。
2017-05-08 cs.GT
Alternating Mirror Descent for Constrained Min-Max Games
Yale University（耶鲁大学）；Georgia Institute of Technology（佐治亚理工学院）；Singapore University of Technology and Design（新加坡科技设计大学）
本文研究策略空间受限的两人双线性零和对策。这种约束的自然发生的一个实例是当使用混合策略时，其对应于概率单纯形约束。我们提出并分析了交替镜像下降算法，其中每个球员轮流采取行动后，镜像下降算法的约束优化。我们解释交替镜像下降作为一个交替离散的斜梯度流的对偶空间，并使用凸优化和修改的能量函数的工具，建立一个$O(K^{-2/3})$界后，$K$迭代的平均遗憾。这定量地验证了该算法的更好的行为比镜像下降算法的同时版本，这是已知的发散，并产生一个$O(K^{-1/2})$平均遗憾界。在无约束的特殊情况下，我们的结果恢复了零和博弈的交替梯度下降算法的行为（Bailey et al.，COLT 2020）。
2022-06-08 cs.GT cs.LG math.DS
The Lagrangian Method for Solving Constrained Markov Games
本文提出拉格朗日博弈概念，并通过原始-对偶迭代方法求解带约束马尔可夫博弈，证明其解序列收敛到原博弈的非平稳纳什解。
2025-03-13 cs.GT math.OC
Repetitive Dilemma Games in Distribution Information Using Interplay of Droop Quota: Meek's Method in Impact of Maximum Compensation and Minimum Cost Routes in Information Role of Marginal Contribution in Two-Sided Matching Markets
本文基于双边匹配市场视角，利用droop quotas、Meek's method与重复困境博弈论，分析假新闻传播与事实核查成本的均衡，识别稳定均衡点以提升信息市场健康。
2024-04-19 cs.GT econ.GN econ.TH
A mathematical programming based characterization of Nash equilibria of some constrained stochastic games
本文考虑两类有限状态行动随机对策。首先，我们考虑一个两人非零和单控制器约束的随机对策，同时考虑平均成本和折扣成本准则。我们考虑与[1]中相同类型的约束，即，参与者1具有基于预订的约束，而控制转移概率的参与者2具有基于实现的约束，这些约束也可以取决于参与者1的策略。其次，我们考虑了一个具有独立状态过程的N个局中人非零和约束随机对策，其中每个局中人都有[2]中讨论的平均成本准则。我们证明了在强Slater和不可约条件下存在的这两类约束对策的稳态Nash平衡点[3]，[2]与某些数学规划的全局极小点一一对应.在单控制器博弈中，如果局中人2的约束条件不依赖于局中人1的策略，则数学规划可化为非凸二次规划。在两个局中人独立状态过程的随机对策中，如果一个局中人的约束条件不依赖于另一个局中人的策略，则数学规划归结为非凸二次规划。找到非凸二次规划的全局最小值的计算算法存在[4]，[5]，因此，可以计算这些约束随机对策的纳什均衡。我们的结果推广了已有的关于零和对策的结果[1]，[6]，[7].
2012-06-08 cs.GT math.OC
The Two-Sided Game of Googol and Sample-Based Prophet Inequalities
秘书问题或古戈尔游戏是在线选择问题的经典模型，在过去的50年里受到了极大的关注。我们考虑这个问题的一个变体，并探索它与数据驱动的在线选择的联系。具体来说，我们得到了$n$卡与任意非负数写在双方。卡片被随机放置在桌子上的$n$连续位置上，并且对于每张卡片，也随机选择可见的一面。玩家看到所有牌的可见面，并希望选择具有最大隐藏值的牌。为此，玩家翻转第一张牌，看到它的隐藏值，并决定是否选择它或放弃它，并继续下一张牌。我们研究两个自然目标的算法。在第一个问题中，就像秘书问题一样，玩家希望最大化选择最大隐藏值的概率。我们表明，这可以做到的概率至少为$0.45292$。在第二种情况下，类似于先知不等式，参与者最大化所选隐藏值的期望。我们证明了一个保证至少$0.63518$相对于预期的最大隐藏值。我们的算法结合三个基本策略。一种是当我们看到一个大于初始$n$可见数的值时停止。第二个是在最后一张翻转的牌的值第一次是表中当前$n$可见数字中的最大值时停止。第三个类似于后者，但它还要求最后翻转的值大于其卡片另一侧的值。我们将我们的研究结果应用于未知分布的先知秘书问题，但可以从每个分布中获取单个样本。针对此问题，我们的保证比$1-1/e$有所改进，这是目前最知名的保证，仅适用于i.i.d.案子
2019-07-13 cs.DS cs.GT
Locally-Aware Constrained Games on Networks
网络游戏在理解关键基础设施网络、社交网络和网络物理系统等应用的网络上的战略行为方面发挥了重要作用。网络游戏的一个关键挑战是玩家的行为受到潜在的物理定律或安全规则的约束，并且玩家可能不完全了解网络范围的约束。为此，本文提出了一个游戏框架来研究网络上的约束游戏，其中玩家在本地知道的约束。我们使用\textit{awareness levels}来捕获玩家所知道的网络约束的范围。我们首先定义并证明了广义纳什均衡（GNE）的存在性，并指出，更高的意识水平的球员会导致一个更大的GNE解决方案。我们使用的必要条件和充分条件来描述的GNE，并提出了对偶博弈的概念，表明可以将一个本地意识到的约束博弈问题转化为一个两层无约束博弈问题。我们使用线性二次博弈作为案例研究来证实分析结果，特别是，证明了Bertrand博弈和Cournot博弈之间的对偶性。其中每一层包括无约束博弈。
2021-03-23 cs.GT cs.SY eess.SY
Constrained Pure Nash Equilibria in Polymatrix Games
本文研究了一类定义在加权有向图上的多矩阵博弈中约束纯纳什均衡的存在性检验问题。一个玩家的收益被定义为选择相同策略的玩家在输入边上的非负有理权重之和，并为选择给定策略增加一个固定的整数奖金。这些游戏抓住了在缺乏全球共同战略的情况下，在当地社区内协调的想法。我们研究的决策问题，检查是否一组给定的策略选择的一个子集的球员是一致的一些纯纳什均衡，或者，与所有纯纳什均衡。我们确定了最自然的情况下，易于处理，并显示NP或CONP-完全这些问题已经为未加权的DAG。
2016-11-29 cs.GT
TUC-PPO: Team Utility-Constrained Proximal Policy Optimization for Spatial Public Goods Games
本文提出TUC-PPO框架，通过双层优化和自适应拉格朗日乘子将团队效用约束整合进PPO策略更新，在空间公共物品博弈中实现更快收敛到合作均衡并增强对背叛者入侵的稳定性。
2025-07-03 cs.GT
Beyond Arbitrary Allocations: Security Values in Constrained General Lotto Games
University of Colorado, Colorado Springs（科罗拉多大学科罗拉多斯普林斯分校）；University of California, Santa Barbara（加州大学圣塔芭芭拉分校）
本文研究受限一般彩票游戏中的安全值，探讨单 contest 资源分配对战略行为的影响，提出上下界分析。
2026-04-07 cs.GT
General Matching Games
本文将Garrido-Lucero和Laraki的一对一匹配博弈模型推广到一对多匹配市场和室友模型的一般框架，并给出了核心稳定且抗再谈判结果存在及高效计算的条件。
2025-07-21 cs.GT
Non-Cooperative Inverse Reinforcement Learning
Coordinated Science Laboratory（协同科学实验室）；University of Illinois at Urbana-Champaign（伊利诺伊大学厄巴纳-香槟分校）
在有战略对手的情况下作出决定，需要考虑到对手主动掩盖其预定目标的能力。为了描述这样的战略情况下，我们引入非合作逆强化学习（N-CIRL）形式主义。N-CIRL形式主义由两个目标完全不一致的代理组成，其中只有一个代理知道真正的目标函数。形式上，我们模型的N-CIRL形式主义作为一个零和马尔可夫博弈与片面的不完全信息。通过与更知情的参与者互动，不知情的参与者试图推断并根据真实的目标函数行事。由于信息的单侧不完全性，多阶段博弈可以分解为一系列单阶段博弈，并用递归公式表示。求解这个递归公式得到N-CIRL博弈的值和更知情的参与者的均衡策略。另一个递归公式，通过形成一个辅助博弈，称为对偶博弈，产生较少知情的参与者的策略。在这两个递归公式的基础上，我们开发了一个计算上易于处理的算法来近似求解均衡策略。最后，我们证明了我们的N-CIRL形式主义在现有的多智能体IRL形式主义的好处，通过广泛的数值模拟在一个新的网络安全设置。
2020-01-06 cs.AI cs.GT cs.LG
Provably Learning Nash Policies in Constrained Markov Potential Games
ETH Zurich（苏黎世联邦理工学院）；ETH AI Center（苏黎世联邦理工学院人工智能中心）
针对安全多智能体强化学习中约束马尔可夫博弈难求解的问题，提出约束马尔可夫势博弈框架及坐标上升算法CA-CMPG，证明其在表格有限场景下收敛到Nash策略并给出首个未知场景的样本复杂度界。
2023-06-13 cs.GT cs.LG cs.MA
Feature-Based Q-Learning for Two-Player Stochastic Games
Peking University（北京大学）；Princeton University（普林斯顿大学）
考虑一个两人零和随机博弈，其中转移函数可以嵌入给定的特征空间。我们提出了一个两人Q-学习算法，通过采样来逼近纳什均衡策略。该算法被证明是找到一个$ε$ -最优策略，使用线性的特征数量的样本大小。为了进一步提高其样本效率，我们开发了一个加速算法，采用技术，如方差减少，单调性保持和双边策略近似。我们证明了该算法是保证找到一个$ε$ -最优的策略，使用不超过$\tilde{\mathcal{O}}(K/(ε^{2}(1-γ)^{4}))$样本具有高概率，其中$K$是特征的数量和$γ$是折扣因子。该算法的样本、时间和空间复杂度与博弈的初始维数无关。
2019-06-02 cs.GT cs.LG stat.ML
Time-varying constrained proximal type dynamics in multi-agent network games
在本文中，我们研究了仿射时变耦合约束和时变通信网络下的多智能体网络博弈。我们专注于采用近端动态的游戏类，并研究其收敛到一个持久的均衡。考虑解决问题的假设进行了讨论和动机。我们开发了一个迭代均衡寻求算法，只使用本地信息，收敛到一类特殊的游戏均衡。它的推导是出于几个例子，表明原来的游戏动态收敛失败。最后，我们应用所设计的算法来解决一个有约束的一致性问题，验证了理论结果。
2019-11-19 cs.GT cs.MA math.OC
On the Heterogeneity of Independent Learning Dynamics in Zero-sum Stochastic Games
研究了学习率依赖于局中人的二人零和随机对策的Q学习与经典虚拟对策相结合的两时标虚拟对策的收敛性.在两时标随机逼近方法的标准假设下，当折扣因子小于参与者相关步长之比的乘积时，证明了其几乎必然收敛性.为此，我们制定了一个新的李雅普诺夫函数制定和提出了一个单边异步收敛的结果。
2022-04-04 cs.GT math.DS math.OC
Learning Stationary Correlated Equilibria in Constrained General-Sum Stochastic Games
研究了具有未知马尔可夫动态的约束一般和随机对策。提出了一种分布式约束无遗憾Q-学习方案（CNRQ），以保证收敛到博弈的平稳相关均衡集。现有技术仅解决无约束的情况，用嵌套的控制回路来构造，并且没有收敛结果。CNRQ是一个单循环的三时标异步随机近似算法，具有集值更新增量。一个严格的收敛性分析与微分包含参数的随机逼近的情况下，异步递归包含集值平均场的理论最近的扩展。给出了CNRQ在异构无线网络（HetNets）中的分散式资源控制的示例性应用的数值结果。
2015-06-01 cs.GT cs.MA
Temporal Induced Self-Play for Stochastic Bayesian Games
Shanghai Jiao Tong University（上海交通大学）；Shanghai Qi Zhi Institute（上海期智研究院）；Tsinghua University（清华大学）；Carnegie Mellon University（卡内基梅隆大学）
解决动态博弈的一个实际要求是确保参与者从任何决策点开始都能玩得很好。为了满足这一要求，现有的努力集中在均衡细化，但现有技术的可扩展性和适用性是有限的。在本文中，我们提出了时间诱导的自我游戏（TISP），一种新的基于强化学习的框架，从任何决策点向前寻找具有良好性能的策略。TISP使用置信空间表示、逆向归纳、策略学习和非参数近似。在TISP的基础上，设计了一个基于策略梯度的算法TISP-PG，证明了基于TISP的算法可以在有限时间内找到零和单边随机贝叶斯博弈的近似完美贝叶斯均衡.我们在各种游戏中测试基于TISP的算法，包括重复的安全游戏和网格世界游戏。结果表明，TISP-PG比现有的基于数学规划的方法更具可扩展性，并显着优于其他基于学习的方法。
2021-08-21 cs.GT cs.LG cs.MA
An Approximate "Law of One Price" in Random Assignment Games
分配博弈代表了一个易于处理但又通用的双边市场转移模型。我们研究了随机生成的分配游戏的核心可能的属性。如果每个企业和工人的联合生产率是独立同分布有界随机变量，那么所有工人的工资很可能大致相同，所有企业的利润也大致相同。这意味着，在平衡的市场中，核心配置差异很大，但即使在稍微不平衡的市场中，也会出现核心趋同。对于均匀分布的基准情况，我们提供了一个紧边界下的企业最优核心配置的工人的剩余份额。我们目前的模拟结果表明，分析的现象出现，即使在中型市场。最后，我们简要讨论了无界分布的影响，以及它们可能影响工资离散的方式。
2014-04-24 cs.GT
Nash-Bargaining-Based Models for Matching Markets: One-Sided and Two-Sided; Fisher and Arrow-Debreu
针对HZ机制难处理且基数效用匹配模型稀缺的问题，提出覆盖单边/双边、Fisher/Arrow-Debreu及多种效用函数的纳什议价模型，并借助Frank-Wolfe和Cutting Plane实现分钟级大规模求解。
2023-04-20 cs.GT
AI-Farol: Co-Evolutionary Dynamics in a Multi-Agent Two-Sided Learning Framework
Ionian University（伊奥尼亚大学）
本研究将El Farol Bar游戏的酒吧建模为AI驱动的策略参与者，扩展框架至部分可观测性与动态定价，构建双边协同进化学习系统，为复杂自适应系统的相关问题提供见解。
2026-08-07 cs.GT
Matching Games with Additive Externalities
双边匹配是一个重要的理论工具，用于模拟市场和社会互动。在许多现实生活中的问题中，代理人的效用不仅受到他们自己的选择的影响，而且还受到其他代理人的选择的影响。这种影响被称为外部性。而充分表达表示的外部性匹配需要指数空间，在本文中，我们提出了一个紧凑的外部性模型，在每个代理的匹配的影响计算相加。在这个框架中，我们分析了多对多和一对一的匹配下的中立，乐观和悲观的行为，并提供计算硬度的结果和多项式时间算法计算稳定的结果。
2012-07-16 cs.GT
Anytime-Constrained Equilibria in Polynomial Time
University of Wisconsin-Madison（威斯康星大学麦迪逊分校）
本文将任意时刻约束扩展至马尔可夫博弈并提出任意时刻约束均衡（ACE）理论，包含可行策略计算特征化、固定参数可处理算法及多项式时间近似算法，同时证明了近似保证的最优性，并开发了动作约束马尔可夫博弈的高效计算理论。
2025-03-04 cs.AI cs.DS cs.GT
Constrained Automated Mechanism Design for Infinite Games of Incomplete Information
University of Michigan（密歇根大学）；Yahoo! Research（雅虎研究院）
提出了一种基于设计者与机构参与者之间策略交互的两阶段博弈模型的自动化机制设计的功能框架，并将其应用于几类不完全信息的两人无限博弈。在我们的框架的核心是一个黑盒优化算法，指导候选机制的选择过程。我们的方法产生最佳或接近最佳的机制，在几个应用领域，使用各种目标函数。通过比较我们的结果与已知的最佳机制，并在某些情况下，提高最知名的机制，我们提供的证据表明，我们是一个很有前途的方法参数化设计的间接机制。
2012-06-20 cs.AI cs.GT
Scaling Chance-Constrained Correlated Equilibrium Computation for Exclusive Resource-Assignment Games
The University of Texas at Austin（德克萨斯大学奥斯汀分校）
针对机会约束相关均衡计算中联合行动数指数爆炸问题，提出精确一对一资源分配限制，将复杂度从O(2^(nr))降至O(n^r)，并证明可行集为受限纯纳什均衡凸包，实验显示计算时间降低99.81%且性能不变。
2026-09-15 cs.GT
Constrained Heterogeneous Two-facility Location Games with Max-variant Cost
在本文中，我们提出了一个受约束的异构设施选址模型，一组替代位置是可行的建设设施和设施的数量在每个位置是有限的。假设真实线路上的一组智能体可以策略性地报告其位置，并且每个智能体的成本是她到她感兴趣的进一步设施的距离，我们研究了受约束的异构两设施位置博弈的无钱确定性机制设计。根据主体是否具有选择性偏好，将问题分为强制性偏好和选择性偏好两种情况。在每个Agent由两个异构设施提供服务的强制设置下，我们分别针对总成本/最大成本目标给出了一个3-近似确定性群体防策略机制，这也是相应社会目标下的最佳确定性群体防策略机制.在可选的设置，每个代理可以在两个设施之一或两者都感兴趣，我们提出了一个确定性的组策略的预防机制与近似比最多为$2n+1$的总成本目标和一个确定性的组策略的预防机制与近似比最多为9的最大成本目标。
2022-07-07 cs.GT
Constrained Correlated Equilibria
本文提出了受约束的相关均衡，结合相关性与耦合约束，研究了其在一般及特定约束下的均衡条件、存在性及分布特性，并通过数值示例验证了理论结果。
2023-09-12 cs.GT
Agent-Constrained Truthful Facility Location Games
针对实数线上智能体位置私有的多设施选址问题，研究sum与max两种成本变体，并证明策略防操纵机制在社会成本近似比上的紧界。
2025-02-15 cs.GT
Complexity of the Existence of Constrained Secure Equilibria in Multi-Player Games
本文针对有限有向图上的多人非零和回合制博弈，研究带约束的安全均衡存在性问题的可判定性与复杂度，其中安全均衡是纳什均衡的一种精炼形式。
2025-09-02 cs.FL cs.GT
Structural Solutions For Additively Coupled Sum Constrained Games
我们提出并分析了一个由资源受限玩家参与的游戏家族，其主要特征是：1）每个用户都有一个多维的行动空间，服从单一的资源限制：2）每个用户在特定维度上的效用依赖于同一维度上的用户行动与其他用户行动之间的加性耦合; 3）每个用户的总效用是在每个维度上获得的效用之和。通信系统中这种多用户环境的常见例子包括频率选择性高斯干扰信道上的功率控制和Jackson网络中的流量控制。在用户无法实时交换消息的情况下，我们研究了用户如何根据本地观察调整他们的行为。我们得到了一个唯一的纳什均衡存在的充分条件下，最佳对策算法全局和线性收敛到纳什均衡。在用户可以实时交换消息的设置中，我们专注于优化整体实用程序的用户选择。给出了梯度播放和Jacobi更新两种分布式动作更新机制的收敛条件。
2010-05-06 cs.GT
Individual Rationality in Constrained Hedonic Games: Additively Separable and Fractional Preferences
Czech Technical University in Prague（布拉格捷克理工大学）；Ben-Gurion University of the Negev（内盖夫本-古里安大学）；Charles University（查理大学）；AGH University of Krakow（克拉科夫AGH科技大学）
研究受限享乐博弈中个体理性的存在性，探讨可加性和分数偏好下的计算复杂性，揭示其可计算与不可计算的边界。
2026-03-23 cs.GT
Individual Rationality in Constrained Hedonic Games: Friends, Enemies, and Neutrals
AGH University of Krakow（克拉科夫 AGH 科技大学）；Czech Technical University in Prague（布拉格捷克理工大学）；ELTE Centre for Economic and Regional Studies（布达佩斯罗兰大学经济区域研究中心）；Budapest University of Technology and Economics（布达佩斯技术与经济大学）
该研究探讨朋友、敌人与中立者构成的受限享乐博弈中，满足个体理性及规模约束的联盟划分问题，分析以朋友/敌人为导向偏好下的计算复杂度，明确了不同关系结构对问题可处理性的影响。
2026-08-17 cs.GT
Information Spillover in Multiple Zero-sum Games
本文研究了一个双方都缺乏信息的无限重复三人贝叶斯博弈，其中一个知情的局中人在每个阶段同时与两个不知情的局中人进行两个零和博弈.这是Aumann等人[1]的两人零和单边不完全信息模型的推广。在相关先验条件下，知情参与者面临的问题是如何在两个不知情参与者之间最优地披露信息，以最大化他的长期平均收益。我们的目标是了解在知情参与者的均衡收益集中，从一个博弈到另一个博弈的"\information溢出“的不利影响。我们提供的条件下，知情的球员可以完全克服这种不利影响和均衡收益的特点。在第二个结果中，我们展示了信息溢出对知情玩家的均衡收益集的影响可能是严重的。
2023-03-08 cs.GT econ.TH
