噪音鲁棒的满意度博弈核稳定联盟
摘要：含有"嘈杂偏好"因素的联盟形成博弈。此外，这种嘈杂偏好仅适用于一部分联盟样本。我们提出了一个乘法噪声模型，并得到了预测概率，定义为噪声游戏的估计PAC核稳定分配在未知无噪声游戏中也是PAC核稳定的概率。该预测概率取决于一个称为"协议事件"的组合构造的概率。我们明确获得了具有lgeq 2支持噪声分布的n个代理噪声博弈的协议概率。对于给定用户对该概率的满意度值，我们确定了估计分配在哪些噪声区域中是噪声稳健的；也就是说，它在嘈杂和无噪声游戏中都是PAC核稳定的。在估计分配不是PAC核稳定时，我们得到了类似的稳健性结果。这些噪声范围对应于协议概率函数的等级集，并且是非凸集。此外，一个重要事实是，即使高噪声值以高概率出现，预测概率也可能很高。此外，对于一类具有较高响应度的快乐博弈，我们得到了额外噪声样本所需的边界，以达到具有给定满意度值的噪声稳健性。我们完全解决了一个2个代理人的快乐博弈的噪声稳健性问题。特别是，我们得到了l=2和l=3噪声支持情况下的预测概率函数。对于l=2，预测概率在噪声概率上是凸的，但噪声稳健的区域是非凸的。它的最小值被称为安全值，为0.62，因此低于0.62，噪声稳健的区域是整个概率单纯形。然而，对于l geq 3，预测概率是非凸的，所以安全值是非凸函数的全局最小值，并且计算上是困难的。
作者：Prashant Trivedi and Nandyala Hemachandra
论文ID：2109.07738
分类：Computer Science and Game Theory
分类简称：cs.GT
提交时间：2023-01-25