斯塔克伯格博弈中的模仿型跟随者欺骗
计算机科学与博弈论
2019-05-21 v2
摘要
信息不确定性是博弈论应用面临的主要挑战之一。在斯塔克伯格博弈中，已提出多种方法来处理领导者对跟随者收益的不完全知识，典型做法是从领导者与跟随者的交互中收集信息。遗憾的是，这些方法关键依赖于一个假设：跟随者不会策略性地利用此种信息不对称，即跟随者在交互中依据其实际收益如实行事。正如我们在本文中所展示的，跟随者可能有强烈动机去欺骗性地模仿另一类跟随者的行为，并借此诱导领导者选择高度次优策略而显著获益。这提出了一个根本问题：在存在欺骗性跟随者的情况下如何设计领导者策略？为回答此问题，我们提出了一个带（模仿型）跟随者欺骗的斯塔克伯格博弈基本模型，并表明领导者确实能够通过精心设计的策略降低由跟随者欺骗造成的损失。随后，我们对该模型最优领导者策略的计算问题进行了系统研究，并勾勒出相对完整的复杂度图景；针对模型的自然变体，给出了基本匹配的肯定与否定复杂度结果。我们的难解性结果与无欺骗情形形成鲜明对比，后者领导者的优化策略可在多项式时间内算出，从而说明了处理跟随者欺骗的内在困难。通过仿真，我们还考察了在随机生成博弈中考虑跟随者欺骗的益处。
引用
@article{arxiv.1903.02917,
title = {Imitative Follower Deception in Stackelberg Games},
author = {Jiarui Gan and Haifeng Xu and Qingyu Guo and Long Tran-Thanh and Zinovi Rabinovich and Michael Wooldridge},
journal= {arXiv preprint arXiv:1903.02917},
year = {2019}
}