最优停止平均场博弈中的熵正则化
最优化与控制
2025-09-24 v1
摘要
我们研究了最优停止的平均场博弈 (OS-MFGs)，并引入了一个熵正则化框架以实现基于学习的求解方法。通过利用随机停止时间，我们将 OS-MFG 重新表述为带有熵正则化的奇异随机控制的平均场博弈 (SC-MFG)。我们建立了均衡的存在性，并证明了当熵参数消失时其稳定性。引入了针对正则化设定量身定制的虚拟博弈算法，并证明了在奖励泛函的 Lasry-Lions 单调性和超模假设下其收敛性。我们的工作为 OS-MFGs 的无模型学习方法奠定了理论基础。
引用
@article{arxiv.2509.18821,
title = {Entropy Regularization in Mean-Field Games of Optimal Stopping},
author = {Jodi Dianetti and Roxana Dumitrescu and Giorgio Ferrari and Renyuan Xu},
journal= {arXiv preprint arXiv:2509.18821},
year = {2025}
}