网络反协调游戏与图动力系统相遇：均衡和收敛
摘要：演化反协调网络游戏涵盖了交通路由和市场竞争等实际战略情境。在这种游戏中，代理商通过选择与邻居行动不同的行动来最大化效用。关于演化游戏存在一个纯纳什均衡（NE）和动力学的收敛时间两个重要问题。在这项工作中，我们研究了顺序和同步更新方案下的这两个问题，对于每种更新方案，我们研究了两种决策模式，一种是基于代理商是否考虑其自身先前的行动（自我必要性），另一种是不考虑（自我非必要性）。通过游戏和动力系统之间的关系，我们证明对于这两种更新方案，可以在自我非必要模式下高效地找到NE，但在自我必要模式下计算难度大。为了应对这个难题，我们找到了一些特殊情况，可以高效地获得NE。对于收敛时间，我们证明在同步方案下，最佳响应动力学在多项式步骤中收敛，对于两种模式而言；对于顺序方案，只在自我非必要模式下收敛时间为多项式。通过实验，我们经验性地研究了合成和实际网络的收敛时间和均衡。
作者：Zirou Qiu, Chen Chen, Madhav V. Marathe, S. S. Ravi, Daniel J. Rosenkrantz, Richard E. Stearns, Anil Vullikanti
论文ID：2301.02889
分类：Computer Science and Game Theory
分类简称：cs.GT
提交时间：2023-03-06