动态博弈中具有互补性的均场平衡
摘要：一类具有玩家之间的战略互补性的随机动态博弈是我们研究的对象。在我们考虑的博弈中，玩家的支付由自己的状态与其他玩家状态的经验分布之间的差异所表现出。这样的博弈可以用来模拟各种应用，包括网络安全模型、推荐系统和市场中的动态搜索。随机博弈通常很难分析，当玩家数量较多时（例如前述的例子），这些困难只会加剧。 我们考虑一种名为均值场均衡的近似方法来研究这些博弈。在这样的均衡中，每个玩家只对其他玩家的长期平均状态做出反应。我们找到了这类博弈存在均值场均衡的必要条件。此外，作为存在定理的一个简单推论，我们获得了几个自然的单调性特性。我们发现，在所有玩家策略为非递减的均衡中，存在一个"最大"和一个"最小"均衡；同时，我们还证明了玩家通过自然的近视学习动态来收敛到每个均衡状态。正如我们所言，这些动态相对于标准的最优反应动态更为合理。此外，我们还提供了敏感性结果，其中我们量化了这类博弈的均衡在游戏参数（例如对玩家的激励）变化时的变动程度。
作者：Sachin Adlakha and Ramesh Johari
论文ID：1011.5677
分类：Computer Science and Game Theory
分类简称：cs.GT
提交时间：2010-12-13