具有负网络外部性与非贝叶斯社会学习的印度自助餐博弈
计算机科学与博弈论
2013-09-12 v1
摘要
在动态系统中用户如何进行学习并做出决策，在众多研究领域变得日益重要。尽管社会学习文献中已有一些关于如何在不确定系统状态下构建信念的研究，但将社会学习与决策制定相结合的研究却寥寥无几。此外，用户可能针对不同对象/资源同时做出多项决策，且这些决策通常会相互负面影响彼此的效用，这使得问题更具挑战性。本文提出了一种印度自助餐博弈（Indian Buffet Game），以研究动态系统中的用户如何学习不确定的系统状态并做出多项并发决策，不仅考虑当前的短视效用，还兼顾后续用户决策的影响。我们在两种不同情景下分析了所提出的印度自助餐博弈：顾客请求多道菜且无预算约束，以及有预算约束。针对这两种情况，我们设计了递归最佳响应算法以求得顾客的子博弈完美纳什均衡，并刻画了同质设置下纳什均衡剖面的特殊性质。此外，我们引入了一种非贝叶斯社会学习算法供顾客学习系统状态，并从理论上证明了其收敛性。最后，我们通过仿真验证了所提算法的有效性和效率。
引用
@article{arxiv.1309.2922,
title = {Indian Buffet Game with Negative Network Externality and Non-Bayesian Social Learning},
author = {Chunxiao Jiang and Yan Chen and Yang Gao and K. J. Ray Liu},
journal= {arXiv preprint arXiv:1309.2922},
year = {2013}
}