通过预测提高平行链路网络中的诱导价格
计算机科学与博弈论
2025-07-11 v1
摘要
我们研究了具有仿射费用函数的平行链路网络上的非原子拥塞游戏。我们探讨了利用机器学习预测在旨在最小化自私行为影响的协调机制设计中的力量。我们的主要结果表明，随着简单建议输入速率的协调机制，仅当建议准确（consistency）时即可优化社会成本，而即使预测任意不准确（bounded robustness），也只会产生最小损失。此外，我们提供了关于一致性机制的完整表征，适用于所有单调费用函数，并表明我们所提议的机制在鲁棒性方面是最优的。我们进一步探讨了在此背景下的光滑性概念：我们将该机制扩展到实现误差容忍，即我们提供一种近似保证，随着预测误差的函数而平滑降低，直至预定阈值，同时实现有限鲁棒性。
引用
@article{arxiv.2507.07915,
title = {Improving the Price of Anarchy via Predictions in Parallel-Link Networks},
author = {George Christodoulou and Vasilis Christoforidis and Alkmini Sgouritsa and Ioannis Vlachos},
journal= {arXiv preprint arXiv:2507.07915},
year = {2025}
}