多智能体合同设计：如何委托多个智能体实现个体结果
摘要：多代理隐藏行动的委托-代理问题研究。这些问题是指委托人为了激励一些代理人采取昂贵且不可观测的行动，从而导致有利的结果，而承诺了一种依赖于结果的支付方案。之前关于多代理问题的研究主要是研究委托人观察由所有代理人的行动决定的单个结果的模型。这样的模型极大地限制了委托人的合同能力，因为支付只能依赖于所有代理人行动的联合结果，没有办法给每个代理人根据他们的个别结果支付。在本文中，我们考虑的模型是每个代理根据他们的行动确定自己的个别结果，委托人单独观察所有个别结果，并且根据这些结果共同产生的回报。这大大增强了委托人的合同能力，使他们能够根据每个代理人的个别结果进行支付。我们分析了寻找委托人最优合同的计算复杂度，围绕委托人回报的两个新引入的特性，我们称之为IR-超模性和DR-次模性进行分析。直观地说，前者捕捉了回报增长的情况，即随着代理人的努力增加，回报增长得更快；而后者模拟了递减回报的情况，即回报增长较慢。这两个特性自然地模拟了现实世界中的两种常见现象，即不经济和规模效益。在本文中，我们首先讨论了委托人对代理人了解一切的基本情况，然后是更一般的贝叶斯情况，在该情况下，每个代理都有自己的私有类型，确定其特征，如行动成本和行动如何随机地确定个别结果。
作者：Matteo Castiglioni, Alberto Marchesi, Nicola Gatti
论文ID：2301.13654
分类：Computer Science and Game Theory
分类简称：cs.GT
提交时间：2023-02-01