在二元网络化的公共物品博弈中计算均衡
该研究开展了网络公共品博弈的算法研究,以诱导特定形式的均衡状态,研究了投资、网络结构和均衡状态对博弈结果的影响,并对多种均衡形式和效用函数进行了研究。
Feb, 2020
本文研究了基于局部知识来学习研究各种类型的博弈及其均衡求解的复杂度,探讨了计算学习模型和对于各种博弈的查询复杂度,着重研究了对称网络拥塞博弈,并通过仅查询少量的纯策略来学习成本函数。
Feb, 2013
该研究提出了一种高效的近似算法,适用于在匿名游戏中寻找纳什均衡,其中玩家的效用虽然不同,但在其他玩家之间没有区别,该算法适用于玩家众多但策略较少的游戏,可在多项式时间内计算出近似的 “纯纳什均衡”,此近似值的上限是 O (s^2L),此外,该研究还表明可以有一个 “PTAS” 算法,可用于寻找 epsilon。
Oct, 2007
本文综合从理论和实证的角度,回顾了计算有限正规形式博弈中纳什均衡及其近似解的各种算法,并在不同类型的博弈中对这些算法进行了综合比较,并给出了关于这些算法的实现和使用的实际建议,最后从理论和实践考虑提出了一系列开放问题。
Dec, 2023
本文研究了在图形网络游戏中使用分布式八卦方法寻找纳什均衡的方法,介绍了干扰图和通信图的概念,设计了通信图以使玩家仅交换必要的信息,证明了使用干扰和通信图的八卦方法在收敛步长逐渐缩小的情况下能够几乎一定收敛于纳什均衡。
Mar, 2017
本研究介绍了多人博弈图模型和 Nash 平衡的计算算法,特别是在树形图的情况下,我们提出了高效的局部消息传递算法,它只涉及到与相邻节点的交互以及相对较少的全局交互,从而使得该算法可以被分布式实施。
Jan, 2013
本文提出一种基于零阶优化技术、结合平滑梯度估计器和均衡查找动态的方法来解决没有梯度信息的连续行动博弈问题,采用神经网络建模玩家策略,特别是采用随机策略网络来建模混合策略。实验表明,该方法可以快速找到高质量的近似均衡。此外,研究表明,输入噪声的维度对方法的性能至关重要。这是第一篇在未知任何梯度信息的情况下解决了不受限制的连续行动博弈的研究。
Nov, 2022
本文提出了一种新的算法方法来解决优化一些目标(如社会福利)的相关均衡问题,并且给出了一种适用于所有紧凑表示的足够条件,同时利用该算法方法将最优 CE 问题转化为调整偏差的社会福利问题,这个框架可以识别出新的类别的博弈,其中包括基于树图的图形多项式博弈。同样使用类似的方法,我们导出了一种足够的条件来处理最优粗糙相关均衡问题,并使用其证明了单例拥塞博弈的可跟踪性。
Sep, 2011