生成对抗平衡求解器
摘要：使用生成对抗学习方法来计算一般博弈论情境中的均衡，具体来说是伪博弈中的广义纳什均衡（GNE），以及其在Arrow-Debreu竞争经济中的具体实现，即竞争均衡（CE）。伪博弈是对博弈的一般化，其中玩家的行动不仅影响其他玩家的收益，还影响它们的可行行动空间。虽然在最坏情况下GNE和CE的计算是难以解决的，即PPAD难题，但在实践中，许多应用只需要在问题实例的分布上具有高精度的解决方案。我们引入了生成对抗均衡求解器（GAES）：一系列生成对抗神经网络，它可以从一组问题实例的样本中学习GNE和CE。我们提供了计算和样本复杂性的边界，并将该框架应用于在正态博弈中找到纳什均衡，在Arrow-Debreu竞争经济中找到CE，以及在京都机制的环境经济模型中找到GNE。
作者：Denizalp Goktas and David C. Parkes and Ian Gemp and Luke Marris and Georgios Piliouras and Romuald Elie and Guy Lever and Andrea Tacchetti
论文ID：2302.06607
分类：Computer Science and Game Theory
分类简称：cs.GT
提交时间：2023-02-21