时变纳什均衡跟踪的分布式预测-校正算法

本文关注时变纳什均衡轨迹跟踪问题，该问题适用于动态环境中出现的广泛非合作博弈应用。为解决此问题，我们提出一种称为 DPCA 的分布式预测校正算法，其中每个参与者基于先前的观测预测未来策略，然后利用预测通过网络上的一个或多个分布式梯度下降步骤有效跟踪纳什均衡（NE）轨迹。我们严格证明所提算法产生的跟踪序列能够以有界误差跟踪时变纳什均衡。我们还表明当采样周期足够小时，跟踪误差可任意接近于零。此外，作为我们结果的特例，对于时不变纳什均衡寻求问题我们实现了线性收敛。最后，多机器人监视场景的数值仿真验证了所提算法的跟踪性能及预测必要性。