基于平方和优化的数据稀缺下博弈动态识别
计算机科学与博弈论
2024-10-14 v2 机器学习
最优化与控制
摘要
基于经验理解玩家如何在博弈中调整其策略，是政策制定者的关键工具。它使他们能够预测系统的最终行为、对系统施加控制并评估反事实情景。当仅有有限数量的观测可用或难以获取时，该任务变得愈发困难。在本工作中，我们引入了边信息辅助回归（SIAR）框架，旨在仅使用单条系统轨迹短时间运行的数据来识别多人标准型博弈中的博弈动态。为了在数据稀缺的情况下增强系统恢复能力，我们将边信息约束集成到 SIAR 中，这些约束将可行解集合限制为满足博弈论性质及关于策略互动的常规假设的解。SIAR 使用平方和（SOS）优化求解，产生一个可证明收敛于系统真实动态的近似层次。我们展示了 SIAR 框架在一系列标准型博弈、广为人知的博弈动态族以及强基准上准确预测玩家行为，即使未知系统是具有混沌性的。
引用
@article{arxiv.2307.06640,
title = {Data-Scarce Identification of Game Dynamics via Sum-of-Squares Optimization},
author = {Iosif Sakos and Antonios Varvitsiotis and Georgios Piliouras},
journal= {arXiv preprint arXiv:2307.06640},
year = {2024}
}