多玩家多臂老虎机中可共享臂的竞争
机器学习
2023-08-07 v2 计算机与社会
计算机科学与博弈论
多智能体系统
摘要
对可共享且有限资源的竞争长期以来在策略型智能体中被研究。现实中，智能体往往必须同时学习并最大化资源的奖励。为设计个性化竞争策略，我们将智能体间的竞争建模为一种新颖的多玩家多臂老虎机（MPMAB）设定，其中玩家是自私的且旨在最大化自身奖励。此外，当若干玩家拉同一臂时，我们假设这些玩家按期望平均共享该臂的奖励。在此设定下，我们首先分析了臂的奖励已知时的纳什均衡。随后，我们基于该均衡提出了一种新颖的带平均分配的自私 MPMAB（SMAA）方法。我们从理论上证明，当所有玩家遵循该算法时，SMAA 能为每个玩家提供良好的后悔界保证。此外，我们确立：没有任何单个自私玩家能通过偏离显著提高自己的奖励，也不能在不自身承受重大损失的情况下损害其他玩家的奖励。最后，我们在大量合成实验中验证了该方法的有效性。
引用
@article{arxiv.2305.19158,
title = {Competing for Shareable Arms in Multi-Player Multi-Armed Bandits},
author = {Renzhe Xu and Haotian Wang and Xingxuan Zhang and Bo Li and Peng Cui},
journal= {arXiv preprint arXiv:2305.19158},
year = {2023}
}
备注
ICML 2023