路由游戏中的内生信息：记忆受限的均衡、回忆巴assi悖论与记忆设计

我们研究的是记忆或表面化的路由游戏，其中旅行者优化的路由基于记忆或被表面化的选项，而非固定的外生行动集合。论文发展了内生回忆的可行设计理论，并将其连接回明确的有限记忆微模型。在微观层面，每个旅行者携带有限的记忆状态，接收表面化选项，依据 logit 规则选择，并在某种政策下更新记忆（如 LRU）。这导致一个 stationary Forgetful Wardrop Equilibrium (FWE) 的存在性被证明，唯一性在收缩 regime 下对简化的 fixed-point map 成立。在主要设计层面，论文提出一种 stationary salience model，用于总结持久记忆和界面效应作为路由特定权重。以 salience 加权的随机用户均衡是严格凸势函数的唯一最小化者，这提供了干净的优化和可实现性理论。在此层面上，我们在比例预算和仿射绑定约束下刻画受控可实现性，并在平行和 series-parallel 网络上推导构造性算法。层之间的桥梁在 last-choice 记忆 (B=1) 时是精确的：此时微模型等价于 salience model，所以任何内部 salience 向量都可通过适当的表面化策略实现。对于更大的记忆，我们发展了明确的 LRU-to-TTL-to-salience 近似管线，并添加收缩基准的界限，将 surrogate-map 误差转化为 fixed-point 和福利误差。最后，我们定义了 Recall Braess 悖论，即改善回忆会在不改变物理容量的情况下增加均衡延迟，我们表明它可以在每个至少具有两个不同 s-t 路径的 two-terminal 网络上发生。针对近似 regime、受控设计预测和简化层的计算优势进行了针对性实验。