路由博弈中学习相关均衡的实验研究

我们研究重复路由博弈中的路径选择，其中不确定的自然状态决定链路延迟函数，且智能体接收私有路径推荐。状态在每轮以独立同分布（i.i.d.）方式从公开已知分布中采样，推荐由随机化策略生成，其从状态到推荐的映射公开已知。在一次博弈设定中，若推荐在后验期望下给出最小行程时间，则称智能体遵从推荐。对重复设定的一个合理推广是：某轮遵从推荐的可能性与之前各轮的遗憾（regret）相关。若遗憾相对于默认选择为满意型（satisficing），且在过往轮次和所有智能体上取平均，则在遵从推荐策略下的渐近结果等同于一次博弈结果。我们报告了一项实验的发现，该实验每次由一名参与者在计算机上进行重复路径选择决策。每轮中，参与者看到各路径的行程时间分布、由遵从策略生成的路径推荐，以及暗示先前参与者对推荐质量平均体验的评分。输入路径选择后，实际行程时间被揭示。参与者通过提交评价来评估推荐质量。该评价与历史评价结合以更新下一轮的评分。对 33 名参与者各进行 100 轮的数据分析表明，显示评分与平均遗憾呈中等负相关，评分与遵从推荐可能性呈强正相关。总体而言，在遵从推荐策略下，评分在实验结束时收敛至接近其最大值，同时伴随极高的遵从推荐频率。