基于零行列式联盟的大规模系统利己激励
计算机科学与博弈论
2020-01-09 v1
摘要
社会困境存在于各个领域，并引发所谓的搭便车问题，导致集体失败。追踪个体行为的困难使得大规模系统中的利己激励成为一项挑战性任务。然而，现有最优机制要么基于个体，要么依赖于状态，在大规模网络中效率低下。本文中，我们利用人的社会属性，从关联（网络）视角而非孤立（个体）视角提出一种利己激励机制。我们利用零行列式（ZD）策略来奖励合作并惩罚背叛。在证明合作是 ZD 参与者的主导策略后，我们优化其部署以促进整个系统的合作。为进一步加速合作，我们推导了序贯多人重复博弈的 ZD 联盟策略，赋予 ZD 参与者更高的可控杠杆，这无疑丰富了 ZD 策略的理论体系并拓宽了其应用领域。我们的方法无状态且稳定，有助于其可扩展性。基于真实世界轨迹数据与合成数据的大量仿真展示了我们所提利己激励方法在不同网络场景下的有效性。
引用
@article{arxiv.2001.02324,
title = {Egoistic Incentives Based on Zero-Determinant Alliances for Large-Scale Systems},
author = {Shengling Wang and Peizi Ma and Qin Hu and Xiuzhen Cheng and Weifeng Lv},
journal= {arXiv preprint arXiv:2001.02324},
year = {2020}
}