Jul, 2015

有限顺序博弈的斯塔克贝格均衡计算

PDF
TL;DR本文研究了在有限序贯博弈中 Stackelberg 均衡解概念，提供了几类序贯博弈的新的精确算法、近似算法和难度结果。
stackelberg equilibriumoptimal strategiessequential gamesexact algorithmshardness results
发现论文，激发创造
  • 随机斯塔克伯格安全博弈的无模型强化学习

    本文提出了一种基于预期 Sarsa 的强化学习算法，使用粒子筛选器估计共同代理的信念更新，并以安全游戏示例说明了所学习的策略。

    May, 2020

  • 无耦合学习承诺微分斯塔克尔贝格均衡

    通过非耦合学习过程，本文提出一个新的学习规则，能够仅仅依靠每个玩家对其他玩家行为的观察，推动玩家向局部 Stackelberg 均衡演化，本规则对人工智能合作和多智能体强化学习具有潜在应用。

    Feb, 2023

  • 安全博弈中的 Stackelberg 与 Nash：互换性、等价性与唯一性的扩展研究

    本文研究了使用 Stackelberg 博弈模型在安全领域的应用。在 leader-follower 模型中，一个 leader 可能面临着关于 follower 的监视能力的不确定性问题。本研究提出了五个方案和扩展形式博弈模型，以解决这个问题并阐明 Nash 均衡的特点。

    Jan, 2014

  • 观察并学习：从明示偏好反馈中进行优化

    本文提出通过揭示意向方法，解决了在 follower 效用函数未知的 Stackelberg 博弈中求解 leader 最优策略的问题，并在包括利润最大化和非原子性拥塞博弈最优通行费率问题在内的广泛问题上表现良好。

    Apr, 2015

  • 计算最优分布式鲁棒策略

    本文研究了基于分布鲁棒优化的 Stackelberg 游戏模型，特别是在不确定下属效用模型的情况下，寻找最优策略以保护某些资产。我们的研究表明，在广泛的不确定模型下，分布鲁棒 Stackelberg 均衡始终存在。当存在无限个下属效用函数且不确定性由支持有限名义分布周围的 Wasserstein 球表示时，我们提出了一种基于混合整数规划的增量算法来计算最优的分布鲁棒策略。实验结果显示，我们的方法可扩展到中等规模的 Stackelberg 游戏，从而验证了算法的可行性。

    Sep, 2022

  • 基于侧信息的斯塔克伯格博弈中的遗憾最小化

    Stackelberg 博弈是算法博弈论的一个重要应用，通过引入附加信息和在线设置，可以实现无遗憾学习。

    Feb, 2024

  • 斯塔克贝格博弈中的学习动态收敛

    本文研究了斯塔克伯格博弈中学习动态的收敛性，并提出了一种基于梯度的学习更新规则，用于训练生成对抗网络。

    Jun, 2019

  • 深度多智能体强化学习中的斯塔克伯格均衡：神谕和追随者

    本研究提出了一种将 Stackelberg 平衡搜索实现为多智能体强化学习问题的通用框架，并借助多任务和元强化学习技术实现了一种使用情境策略的方法，在标准和新颖的基准领域上进行了实验，并显示出较以前的方法大大提高的样本效率。同时，我们探讨了超出我们框架边界的算法设计所带来的影响。

    Oct, 2022

  • 一种用于广义和可扩展博弈中的双极预测采样算法近似求解斯塔克尔伯格均衡

    本论文提出了一种新的方法来近似求解弱 Stackelberg 均衡，方法基于 Follower 策略空间的引导式 Monte Carlo 树搜索和 Leader 的行为策略树建立，并在用于三个不同拓扑结构的博弈测试中取得了优异的效果，较传统方法更具实用性和时间可扩展性。

    Sep, 2019

  • 广义形式博弈中的鲁棒斯塔克伯格均衡及其在有限展望中的扩展

    本文研究了扩展形式博弈中存在不确定性的 Stackelberg 均衡及其鲁棒性问题，分别引入了关于对手收益以及对手节点估值函数的不确定性条件，并提出了一种新的混合整数规划模型计算此类问题，证明可以在特定情况下准确可靠地计算出鲁棒 Stackelberg 均衡。

    Nov, 2017