Coalitional Beliefs of Cournot Network Agents
在网络合作博弈中,由于计算复杂性的问题,代理人不能基于他们的行为的“整个网络的状态”,但必须遵循一定的“信念”,它是如何在他们的战略利益采取行动。这种行为构成了本文的主要兴趣。为此,我们量化和表征的一组信念,支持这种代理人的合作。假设他们从事差异化的古诺竞争,他们平等地分享所产生的价值,我们描述了一组支持核心非空性的联盟信念,从而保证了网络的稳定性。
2012-02-20 cs.GT cs.NI
Institutional AI: Governing LLM Collusion in Multi-Agent Cournot Markets via Public Governance Graphs
DEXAI – Icaro Lab(DEXAI–Icaro实验室);Sapienza University of Rome(罗马大学萨皮恩扎分校);Sant’Anna School of Advanced Studies(圣安娜高级研究学校);VU Amsterdam(阿姆斯特丹自由大学)
本文提出通过公共治理图治理多智能体Cournot市场合谋问题,展示机构AI框架在减少合谋行为方面的有效性。
2026-01-20 cs.AI cs.GT
Competition and Efficiency of Coalitions in Cournot Games with Uncertainty
University of Washington(华盛顿大学);Stanford University(斯坦福大学)
本文研究了在存在不确定性的情况下,联盟形成对Cournot博弈效率的影响,指出通过多样性形成特定规模的联盟可提升效率,同时分析了市场力量与不确定性降低之间的权衡。
2017-08-14 cs.GT cs.SY econ.GN
Multi-Agent Reinforcement Learning in Cournot Games
University of Washington(华盛顿大学)
在这项工作中,我们研究了有限信息反馈的连续行动古诺博弈中战略代理人的相互作用。古诺博弈是许多社会经济系统中必不可少的市场模型,在这种模型中,代理人在不完全了解系统或彼此的情况下学习和竞争。我们考虑了凹古诺博弈中策略梯度算法的动态性,这是一种被广泛采用的连续控制强化学习算法。证明了当价格函数为线性函数或代理商个数为2时,策略梯度动态收敛于纳什均衡。这是第一个结果(据我们所知)的收敛性的学习算法与连续的行动空间,不属于无遗憾类。
2020-09-14 cs.GT cs.LG cs.MA
Autocratic strategies in Cournot oligopoly game
Graduate School of Sciences and Technology for Innovation, Yamaguchi University(山口大学创新科学技术研究生院);Department of Mathematical and Systems Engineering, Shizuoka University(静冈大学数学系统工程系)
本文研究了重复卡诺寡头垄断博弈中的零决定策略,证明了其存在并探讨了其在促进 collusion 时的效果差异。
2025-12-01 cs.GT cs.MA cs.SY
Using Non-Stationary Bandits for Learning in Repeated Cournot Games with Non-Stationary Demand
University of Kentucky(肯塔基大学)
过去许多模拟重复古诺博弈的尝试都假设需求是固定的。这与现实世界的情况不符,在现实世界中,市场需求可能会因各种原因而在产品的生命周期中演变。在本文中,我们模型的重复古诺游戏与非平稳的需求,使企业/代理人面临不同的情况下,非平稳的多臂强盗问题。智能体可以选择的武器/动作集合表示离散的生产数量;这里,动作空间是有序的。智能体是独立自主的,不能从环境中观察到任何东西;它们只能在采取行动后看到自己的回报,并只为最大化这些回报而努力。我们提出了一种新的算法“自适应加权勘探(AWE)$ε$ -贪婪”,这是远程基于著名的$ε$ -贪婪的方法。该算法检测和量化由于市场需求的变化而引起的奖励变化,并根据需求变化的程度成比例地改变学习率和探索率,从而使代理更好地识别新的最优动作。为了有效地探索,它还部署了一种利用有序动作空间来权衡动作的机制。我们使用模拟来研究市场中各种均衡的出现。此外,我们研究了我们的方法在系统中的总代理数量和动作空间的大小方面的可扩展性。在我们的模型中,我们考虑了对称和非对称企业。我们发现,使用我们提出的方法,智能体能够根据需求的变化迅速改变他们的行动方针,并且他们在许多模拟中也参与了共谋行为。
2022-01-03 cs.GT cs.LG cs.MA
Electricity Pooling Markets with Strategic Producers Possessing Asymmetric Information II: Inelastic Demand
在重组后的电力工业中,电力联营市场是一个寡头垄断市场,战略生产者拥有私人信息(私人生产成本函数)。我们专注于汇集市场,其中总需求由非战略代理人代表。电力市场中的需求缺乏弹性是一个主要的问题,它可能导致市场失灵和高电价。我们认为需求是没有弹性的。我们提出了一个具有以下特点的市场机制。(F1)这是个人理性的。(F2)预算平衡。(F3)它是价格有效的,也就是说,在均衡时,电力价格等于生产的边际成本。(F4)由该机制引起的博弈的每个非零纳什均衡对应的能量生产曲线是相应的集中式问题的解,其中目标是生产者和消费者效用之和的最大化。我们确定了一些开放的问题与我们的方法,电力联营市场。
2014-10-05 cs.GT
Double-Sided Markets with Strategic Multi-dimensional Players
我们考虑的市场机制是双边的,至少在一边有多维战略空间的参与者。市场参与者具有战略性,并采取行动优化自己的效用。另一方面,机制设计者旨在优化社会目标,即,贸易的收益。我们专注于这种设置的一个例子,其动机是可预见的未来形式的在线广告。在线广告目前支持一些最重要的互联网服务,包括:搜索,社交媒体和用户生成的内容网站。为了克服隐私问题,有人建议通过信息经纪人将用户信息市场引入在线广告生态系统。这样的市场让用户可以控制哪些数据在在线广告交换中共享。我们描述了一个模型,为上述可预见的未来形式的在线广告,并设计了两种机制,这个模型的交流:一个确定性的机制,这是相关的大量文献的机制设计,通过贸易减少,并允许玩家与多维的战略空间,和一个随机机制,可以处理一个更一般的版本的模型。
2016-11-14 cs.GT
Modelling Cournot Games as Multi-agent Multi-armed Bandits
University of Kentucky(肯塔基大学)
我们研究了使用多代理多臂强盗(MA-MAB)设置建模重复古诺寡头博弈,其中作为代理商的公司从代表生产量(离散值)的一组武器中选择。代理与单独和独立的强盗问题交互。在这个公式中,每个代理在武器之间进行顺序选择,以最大化自己的奖励。智能体没有任何关于环境的信息;他们只能在采取行动后看到自己的奖励。然而,市场需求是工业总产量的平稳函数,不允许随机进入或退出市场。考虑到这些假设,我们发现,一个$ε$贪婪的方法提供了一个更可行的学习机制比其他传统的MAB方法,因为它不需要任何额外的知识系统操作。我们还提出了两个新的方法,利用有序的行动空间:$ε$ -贪婪+HL和$ε$ -贪婪+EL。这些新方法通过消除利润较低的选择,帮助企业专注于利润更高的活动,从而优化勘探。我们使用计算机模拟来研究结果中各种均衡的出现,并对联合累积后悔进行实证分析。
2022-01-01 cs.AI cs.GT cs.LG
Effect of Strategic Grading and Early Offers in Matching Markets
在毕业生申请工作或继续教育的匹配过程中,战略性压制成绩以及提前录取和合同是众所周知的现象。在本文中,我们考虑了Ostrovsky和Schwarz提出的这些现象的博弈论模型,并研究了由学校、雇主和学生的战略行为造成的社会福利损失。我们将学生的评分模型作为一个游戏,学校为了提高学生的排名而压制成绩。我们还考虑了由于匹配市场的解体而造成的质量损失,学生和雇主在提供早期合同以提高质量方面的战略行为。我们的目标是评估,如果战略分级或解开市场(或两者的组合)可以导致显着的福利损失相比,学生的最佳分配工作。为了衡量福利的分配,我们假设,从一个工作-学生对产生的福利是一个可分离的和单调的函数的学生的能力和质量的工作。假设均匀的学生质量分布,我们表明,从上述战略操纵的质量损失是有界的最多2的一个因素,并给出了改进的福利函数的一些特殊情况下的界限。
2015-07-09 cs.GT
Strategic analysis of implementation assets and threats
战略分析的目的是(简单地)在执行机构与现有市场情况的可能联系之间进行博弈。因此,我们正在我们与外部世界之间玩一场战略游戏。这种情况往往与现有的和潜在的威胁有关,如竞争、时尚趋势、成本情况、营销效果、市场需求等。然而,这并不包括这种情况所造成的所有方面,因为还可能考虑到有利于执行的条件,如合作的可能性、有利的地理位置、接触接受者的新形式、新的法律解决办法、一般来说,我们可以将条件集分为资产和威胁。玩战略博弈不仅导致对博弈价值的估计,而且还指向均衡点(鞍点)和市场稳定的条件。因此,我们有两个参与者(一个零和的两个参与者游戏,取决于所作的假设);一边是我们的资产,另一边是外部威胁。双方的战略将是执行、市场和营销参数的组合。这将在导言(第1章)中作为一个例子加以说明。下一章(第2章和第3章)是估计策略选择效果的建议,即为参与者创造收益。最后一个阶段是进行游戏,分析结果(第3章)和总结(第4章)。
2018-05-15 cs.GT
Learning Market Competition in Shared Spectrum: A Multi-Agent Reinforcement Learning Approach
Northwestern University(西北大学)
本文用多智能体强化学习研究共享频谱市场中需求未知时的竞争,考察价格与数量竞争模式下是否出现默契合谋,为无线市场设计提供启示。
2026-09-24 cs.GT
Large Language Models as Strategic Bidding Agents in P2P Energy Trading Markets
College of Science and Engineering, Hamad Bin Khalifa University(科学与工程学院,哈马德·本·哈利法大学)
本文提出将大型语言模型作为点对点能源双向拍卖中的策略性投标智能体,相比ε-贪心多臂老虎机和随机投标,LLM策略在交易量和跨环境泛化上更优,但同质LLM群体可能导致市场剩余分配失衡。
2026-09-09 cs.GT
Market Games for Generative Models: Equilibria, Welfare, and Strategic Entry
The Ohio State University(俄亥俄州立大学)
本文提出三层市场游戏模型,研究生成模型市场中的均衡存在条件、福利影响及战略进入机制。
2026-02-19 cs.GT cs.LG
Counterbalancing Learning and Strategic Incentives in Allocation Markets
本文考虑在优先队列中向具有共同未观测物品的稀缺物品分配给具有战略激励的的分配市场市场。\n{
2024-04-30 cs.GT
Distributed Mechanism Design with Learning Guarantees
完全策略代理的机制设计通常假设系统代理之间的通信具有广播性质。此外,对于机制设计,纳什均衡(NE)的稳定性证明了特定的预先设计的学习动力学的收敛,而不是为一类学习动力学。在本文中,我们考虑两个常见的资源分配问题:共享$ K $无限可分的资源之间的战略代理人的私人消费(私人物品),并确定一个无限可分的公共产品与$ P $功能,这是战略代理人之间共享的水平。对于这两种情况下,我们提出了一个分布式的机制,一组代理谁通过一个给定的网络进行通信。在分布式机制中,代理的消息不像在标准机制设计框架中那样被广播到所有其他代理,而是仅在每个代理的局部邻域中交换。所提出的机制产生了一个独特的经济实体,充分实现了社会福利的最大化配置。此外,这些机制在NE处是不平衡的。它还表明,该机制诱导的游戏与收缩的最佳反应,保证收敛的自适应最佳反应动态类内的所有学习动态,包括动态,如古诺最佳反应,$ k- $期间最佳反应和Fictionary Play。我们还提出了一个数值研究的收敛下重复播放,各种通信图和学习动态。
2017-04-04 cs.GT
Demystifying Competition and Cooperation Dynamics of the Aerial mmWave Access Market
蜂窝一直依赖于静态部署来提供无线接入。然而,即使是新兴的第五代(5G)网络也可能难以在没有大量过度供应的情况下用刚性的固定基础设施来支持增加的流量需求。这对于自发的大规模事件尤其如此,这些事件需要服务提供商快速增加其网络的容量。如今,使用配备有高速率无线电接入能力的空中设备有可能提供急需的“按需”容量提升。相反,它也有可能动摇无线运营商长期以来的商业战略,特别是因为对更便宜的毫米波(mmWave)频谱的“淘金热”降低了市场准入门槛。然而,这个新市场的复杂结构目前仍然是一个谜。本文揭示了不同的空中毫米波接入供应商的竞争与合作行为,同时采用许可证和免许可证的频段,通过建模它作为一个垂直差异化的市场,客户有不同的偏好,在价格和质量。为了了解可行的服务提供商的战略,我们开始构建纳什均衡的初始市场竞争,采用伯特兰和古诺游戏。然后,我们进行了一个独特的短期市场动态评估,其中两个授权频段的服务提供商可能会合作,以提高他们的竞争地位,对非授权频段的对手侵入市场。我们前所未有的分析研究了这种新型生态系统中各种市场互动、价格驱动的需求演变和动态利润平衡的影响。
2016-08-17 cs.GT
Nash Social Welfare Approximation for Strategic Agents
资源的公平分配是一个重要的古老问题,它导致了丰富的文学作品。在这个文献的中心在于的问题,是否存在公平的机制,尽管战略行为的代理人。一个基本的目标函数用于衡量公平的结果是纳什社会福利,定义为几何平均的代理效用。这个目标函数是最大化的广为人知的解决方案的概念,如纳什讨价还价和竞争均衡与平等的收入。在这项工作中,我们专注于(近似)实现纳什社会福利的问题。我们分析的出发点是费雪市场,一个经济的基本模型,其基准正是(加权)纳什社会福利。我们首先研究了两类极端的估值函数,即完全替代品和完全互补品,发现对于完全替代品,费雪市场机制有一个常数近似:至多2,至少e1 e。然而,对于完全互补,费雪市场并不能很好地工作,它的边界随着参与者的数量线性下降。引人注目的是,交易站机制--一种间接的市场机制,也被称为夏普利-舒比克博弈--在自己的基准上比费舍尔市场有更好的表现。交易站不仅在完全替代品的情况下达到了近似2,而且这个界限对所有凹效用都成立,并且在里昂惕夫效用(完全互补)的情况下变得任意接近最优,在那里它对每个$ε> 0$都达到了$(1+ε)$。此外,对于所有凹效用,交易站机制的所有纳什均衡都是纯的,并且满足一个重要的公平概念,即比例。
2017-05-12 cs.GT
Strategic Collusion of LLM Agents: Market Division in Multi-Commodity Competitions
California Institute of Technology(加州理工学院)
本研究探讨古诺竞争框架下大语言模型智能体在多商品市场的策略行为,发现其无需明确指令即可通过动态调整策略垄断特定商品实现利润最大化,为企业AI应用和市场监管提供参考,也为相关后续研究奠定基础。
2025-05-16 cs.AI cs.CL cs.GT
Dynamic Pricing of an Expiring Item under Strategic Buyers with Stochastic Arrival
KAIST(韩国科学技术院);Seoul National University(首尔大学)
本文研究临期票券面对随机到达策略性买方时的动态定价,提出VBT框架证明并刻画均衡,给出稀薄市场恒定价格、厚密市场线性折扣等近优策略。
2025-09-29 cs.GT
Learning In Reverse Causal Strategic Environments With Ramifications on Two Sided Markets
University of Michigan(密歇根大学)
受劳动力市场均衡模型启发,提出因果策略分类方法,发现预期劳动力策略性反应的雇主能提升奖励、技能和公平性,但可能损害劳动力效用并无法防止歧视。
2024-04-20 cs.GT cs.LG stat.ML
Intention Games: Towards Strategic Coexistence between Partially Honest and Blind Players
竞争实体之间的战略互动通常被认为是从这些互动中获得的利益的完整揭示的角度来看,在公开的支付函数和/或信念的形式,在宣布的游戏。然而,在类似的竞争环境中,竞争对手之间存在着战略相互作用,在这种情况下,玩家可以选择在私人收益的可用性下制定战略。在这篇文章中,我们提出了一个正式的框架,竞争性的生态系统中,每个球员都被允许从公开的最优策略的某些私人收益大于宣布的收益,鉴于这些叛逃有一定的可接受的范围内,从长远来看,所有的球员同意。我们把这种博弈论的构造称为意图博弈。我们正式定义了一个意图游戏,并存在于这种相互作用,允许公开叛逃的参与者的均衡的概念。我们比较了意图游戏与传统的战略形式的游戏,并证明了类型理论的意图游戏的建设。在一个部分诚实的环境中,我们给出了古诺竞争、移动应用程序之间的安全交互、互联网服务提供商之间通过内容分发网络进行的互联网服务数据采购竞争以及比特币挖矿竞争的意图博弈实例。我们给出了一个使用意图游戏来确定玩家参与的密码协议。最后,我们证明了意图游戏框架的双重模型的可能性。
2020-02-11 cs.CR cs.GT
Strategic and Fair Aggregator Interactions in Energy Markets: Mutli-agent Dynamics and Quasiconcave Games
本文将公平能源资源分配问题扩展至多智能体环境,通过证明聚合商策略优化构成拟凹博弈确保 Nash 均衡存在,并设计仿真展示其如何稳定市场、保障公平与优化用户剩余,为理解聚合商交互提供稳健框架。
2024-10-15 cs.GT cs.SY eess.SY
Electricity Pooling Markets with Strategic Producers Possessing Asymmetric Information I: Elastic Demand
University of Michigan(密歇根大学)
本文研究了具备不对称信息的战略生产者电力池化市场,提出了一种满足个体理性、预算平衡、价格效率的市场机制,确保电力价格等于边际成本,并探讨了相关开放性问题。
2014-01-17 cs.GT cs.SY eess.SY
Imperfect Oracles: The Effect of Strategic Information on Stock Markets
现代金融市场动态对世界产生重大影响,因此需要进行详细分析。然而,这往往被证明是棘手的;大量的代理人,策略及其随着时间的推移相互反应的变化导致理论和模拟方法的困难。值得注意的工作已经做了战略优势在股票市场上的代理商与某些战略的比例。对所采用的策略的完美了解可以使个体代理人处于持续的交易优势。这项研究报告的影响,不完善的神谕系统-分发噪音信息的战略-信息,这将通常是隐藏的市场参与者。一个单一的贸易商的影响和可实现的利润与访问一个甲骨文进行了详尽的测试与以前未探索的因素,如改变订单时间表。此外,噪声对策略信息的影响是通过其对交易者效率的影响来追踪的。
2020-11-21 cs.CE cs.GT cs.MA
Individualized Algorithmic Advice as a Strategic Signal on Competitive Markets
University of Tübingen(蒂宾根大学);Duke University(杜克大学);University of Minnesota Twin Cities(明尼苏达大学双城分校)
该研究通过129人参与的古诺博弈实验,发现个性化算法建议可作为策略信号影响市场协调,合谋性偏向建议会引发隐性合谋,凸显需重视算法决策支持系统的设计与监督。
2026-11-13 cs.AI cs.CY cs.GT
Analyzing the Impact of Strategic Bidding on the Reserve Capacity via a Bi-Level Model
本文提出一种双层模型分析电力市场中策略性投标对备用容量的影响,发现其虽能增强系统备用,但会提高消费者用电成本,强调了市场设计权衡的重要性。
2025-06-25 cs.GT cs.SY eess.SY
Strategic Resource Allocation for Competitive Influence in Social Networks
数据采掘的主要目标之一是帮助公司确定向哪些潜在客户进行营销以及向这些潜在客户分配多少资源。以前大多数关于社交网络中竞争影响力的研究都集中在第一个问题上。在这项工作中,我们的重点是第二个问题,即,我们对营销活动的竞争影响感兴趣,这些营销活动需要同时决定分配多少资源给他们的潜在客户来宣传他们的产品。利用博弈论的结果,我们能够完整地描述社交网络的选民模型的最优战略资源分配,并证明这种博弈的竞争价格是无界的。这项工作是朝着在更一般的情况下为营销广告提供坚实的基础迈出的一步。
2014-02-21 cs.GT cs.SI
Strategic Bargaining in Multi-Buyer Markets: Reinforcement Learning from Verifiable Rewards for LLM Negotiations
Institute for Data, Systems, and Society, Massachusetts Institute of Technology(数据、系统与社会研究所,麻省理工学院);Mitch Daniels School of Business, Purdue University(米奇·丹尼尔斯商学院,普渡大学);The Division of Physics, Mathematics and Astronomy, California Institute of Technology(物理、数学与天文学部,加州理工学院);Department of Computing and Mathematical Sciences, California Institute of Technology(计算与数学科学系,加州理工学院);H. Milton Stewart School of Industrial and Systems Engineering, Georgia Institute of Technology(H. 米尔顿·斯图尔特工业与系统工程学院,佐治亚理工学院);Department of Civil and Environmental Engineering, Operations Research Center, Massachusetts Institute of Technology(土木与环境工程系、运筹学中心,麻省理工学院)
研究多买家市场中卖家与买家的谈判,提出基于可验证奖励的强化学习方法,使卖家能平衡市场探索与剩余提取,实现多阶段战略演变,提升谈判技能,提取更高剩余,且策略可推广。
2026-07-08 cs.GT cs.LG
Dynamic Mechanism Design for Markets with Strategic Resources
Indian Institute of Science(印度科学学院);Xerox Research Centre Europe(施乐欧洲研究中心)
当任务所有者和资源都具有策略性时,任务到多个资源的分配成为一个有趣的博弈论问题。在经典的,非战略性的设置,其中的任务和资源的状态是可观察的控制器,这个问题是找到一个最佳的政策马尔可夫决策过程(MDP)。当状态由战略代理人持有时,有效的任务分配问题超出了解决MDP的问题,而成为设计机制的问题。出于这一事实,我们提出了一个通用的机制,决定的任务和资源的分配规则和支付规则,以激励代理的参与和真实的报告。在最近的文献中研究的相关动态战略控制问题相比,这里研究的问题具有相互依赖的价值:分配给任务所有者的利益不仅仅是任务本身和分配的特性的函数,而且是资源的状态。我们引入了一个动态扩展Mezzetti的两阶段机制相互依存的估值。在这种变化的背景下,所提出的动力机制是有效的,期内事后激励相容,期内事后个体理性。
2012-02-14 cs.AI cs.GT
Bounded strategic reasoning explains crisis emergence in multi-agent market games
基于理性预期和市场均衡的有效市场假说(EMH)是经济市场建模的主导观点。然而,对有效市场假说最显著的批评是,在没有任何重大外部消息的情况下,无法对失衡行为时期进行建模。当这种动态是内生的时,传统的经济框架无法解释这种行为和偏离均衡的情况。这项工作提供了一个替代的角度来解释的基础上有限的理性代理人的内生出现间断的平衡动态。在一个简洁的市场入口游戏中,我们展示了有限理性的战略推理如何导致内生的危机,在“回报”中表现出肥尾。我们还展示了经济市场的其他常见的风格化事实,如集群波动,可以解释为由于代理的多样性(或缺乏)和不同的学习更新的代理。这项工作解释了各种程式化的事实和危机出现在经济市场中,在没有任何外部消息的情况下,纯粹基于代理人的相互作用和有限的理性推理。
2022-06-11 cs.CE cs.GT cs.MA
Strategically Robust Game Theory via Optimal Transport
本文提出策略鲁棒均衡概念,利用最优传输构造以涌现行为为中心的可调模糊集合,使智能体在最坏情况下决策,证明其存在性、可插值性且不增加计算成本,并通过实验表明鲁棒化能提升均衡收益。
2025-07-21 cs.GT math.OC
Strategic Interactions in Multi-Level Stackelberg Games with Non-Follower Agents and Heterogeneous Leaders
Aston University(阿斯顿大学)
本文提出一个多层Stackelberg框架,考虑非跟随者和异质领导者,以更准确地建模拥堵耦合市场中的战略互动。
2026-03-04 cs.GT cs.MA
Strategic Analysis of Just-In-Time Liquidity Provision in Concentrated Liquidity Market Makers
UFRJ(里约热内卢联邦大学);CMU(卡内基梅隆大学);Avignon University(阿维尼翁大学)
本文首次建立集中流动性做市商中即时流动性提供者的交易级模型,证明最优策略存在,并发现实际行为与最优策略存在显著差距,优化后收益可提升69%,同时策略性JIT流动性可减少交易者滑点但降低被动做市商利润达44%。
2026-06-12 cs.CR cs.GT
Timely Information from Prediction Markets
预测市场是一种强有力的工具,可以从战略代理人那里引出和聚集信念。然而,在当前的预测市场中,代理商可能会通过竞争成为第一个更新市场的人来耗尽社会福利。我们开始研究如何快速的信息是由市场汇总,以及这些信息的成本之间的权衡。我们设计的市场能够及时收集来自战略代理人的信息,以最大化社会福利。为此,市场必须激励代理人投入适当的努力来获取信息:足够快,但不能比必要的更快(也更昂贵)。市场还必须确保代理商如实、及时地报告他们的信息。我们考虑两种设置:在第一种情况下,信息只有在截止日期之前才有价值;在第二种情况下,信息的价值随着时间的推移而减少。我们使用定理和模拟来证明的机制。
2021-03-06 cs.GT cs.MA
Supply Function Equilibrium in Networked Electricity Markets
本文研究放松管制电力市场中策略性发电商导致的效率损失问题,给出效率损失的解析上界,证明其在弱环网下是紧的,揭示了效率损失与输电网络拓扑的关联。
2023-08-22 cs.GT cs.MA
Market Power and Platform Design in Decentralized Electricity Trading
Swiss Economics(瑞士经济学);University of Zurich(苏黎世大学)
本文研究平台设计如何影响去中心化电力交易中的战略行为,通过动态博弈模型分析了prosumers在平台中的行为机制,发现平台设计对市场力量和存储利用有显著影响。
2026-03-20 cs.GT econ.GN q-fin.EC
On the Stability of Strategic Energy Storage Operation in Wholesale Electricity Markets (Extended Version)
本研究用博弈论模型分析批发电力市场中储能竞争,发现高比例可再生能源与低灵活性常规电厂组合下系统不稳定,而价格上限可确保稳定,且低灵活性下储能套利盈利性下降。
2024-02-04 cs.GT cs.SY eess.SY
Opportunities for Price Manipulation by Aggregators in Electricity Markets
聚合器在电力系统中可再生能源发电的整合中发挥着越来越重要的作用。然而,可再生能源发电的间歇性使得聚合商的市场互动难以监测和监管,引起了人们对聚合商可能操纵市场的担忧。在本文中,我们研究了这个问题,通过量化的利润聚合器可以获得通过战略削减发电在电力市场。我们表明,虽然问题的最大化的利益削减是很难在一般情况下,有效的算法存在时,网络的拓扑结构是径向(非循环)。此外,我们强调,在实际情况下,通过战略削减,利润有可能大幅增加。
2016-06-21 cs.GT math.OC physics.soc-ph
Learning in Markets: Greed Leads to Chaos but Following the Price is Right
我们研究分布式生产经济中的学习动态,如区块链挖掘,点对点文件共享和众包。当单个企业拥有市场支配力时,这些经济可以被建模为多产品古诺竞争或全付拍卖(塔洛克竞赛),或者当每个企业对市场结果的影响可以忽略不计时,这些经济可以被建模为具有准线性效用的费舍尔市场。在前一种情况下,我们提供了一个正式的证明,梯度上升(GA)可以是李约克混沌的步长为$Θ(1/n)$,其中$n$是公司的数量。与此形成鲜明对比的是,对于Fisher市场的情况下,我们得到了一个比例响应(PR)协议,收敛到市场均衡。PR动力学的收敛性的积极结果得到了充分的一般性,在这个意义上,他们持有的Fisher市场与\emph{any}准线性效用函数。相反,混沌结果的GA动态建立,即使在最简单的可能设置的两个公司和一个良好的,他们持有广泛的价格函数与不同的需求弹性。我们的研究结果表明,通过从市场而不是博弈论的角度考虑多智能体交互,我们可以正式推导出稳定的自然学习协议,并收敛到有效的结果,而不是混乱的。
2021-03-17 cs.GT cs.MA econ.TH
Understanding Strategic Platform Entry and Seller Exploration: A Stackelberg Model
Rutgers University(罗格斯大学);Harvard University(哈佛大学)
本文通过Stackelberg模型研究平台进入策略与卖家探索行为,采用Gittins指数政策和深度强化学习分析单多卖家场景下的最优策略及市场影响。
2026-03-15 cs.GT cs.MA
Strategic Coalition for Data Pricing in IoT Data Markets
Aalborg University(奥尔堡大学);Imperial College London(帝国理工学院);Technical University of Denmark(丹麦技术大学)
本文针对物联网数据市场提出一种基于博弈论的联盟形成算法,通过优化设备间合作与数据定价,实现信息泄露成本最小化,并显著提升卖家平均收益达32.72%。
2023-08-29 cs.DC cs.GT cs.LG
ABIDES-MARL: A Multi-Agent Reinforcement Learning Environment for Optimal Execution with Endogenous Liquidity
ETH Zurich(苏黎世联邦理工学院)
ABIDES-MARL是用于内生流动性下最优执行的多智能体强化学习框架,扩展ABIDES-Gym实现多学习智能体,在扩展Kyle场景验证其可复现性,所得策略与外生冲击基准策略差异显著,为金融领域可解释智能体AI提供基础。
2026-08-25 cs.GT cs.MA cs.SY