强单调性游戏中带线性约束的广义纳什均衡学习的收敛速度
最优化与控制
2025-07-18 v1
摘要
我们考虑多代理系统中基于奖励的广义纳什均衡(GNE)学习。我们的关注点是具有线性结构约束且强单调性伪梯度的游戏。我们提出了一种基于部分正则化技术的收敛方法,并在单点和双点基于奖励的反馈下建立了其迭代收敛速度。鉴于我们所关注的游戏类别,本文是首个对迭代收敛速度进行特征化的工作。
引用
@article{arxiv.2507.12112,
title = {Convergence Rate of Generalized Nash Equilibrium Learning in Strongly Monotone Games with Linear Constraints},
author = {Tatiana Tatarenko and Maryam Kamgarpour},
journal= {arXiv preprint arXiv:2507.12112},
year = {2025}
}
备注
arXiv admin note: substantial text overlap with arXiv:2411.08595