策略代理人网络中的信息共享
计算机科学与博弈论
2015-06-17 v2
摘要
为了确保社交网络（例如意见共识、合作估计、分布式学习与适应等）的繁荣和高效运行，参与的代理人需要通过反复共享信息来进行协作。然而，共享信息对代理人而言往往成本高昂，且不会带来直接的即时收益。因此，缺乏协作激励、旨在最大化自身个体效用的策略性代理人将选择扣留而非共享信息，从而导致网络运行低效甚至崩溃。在本文中，我们开发了一个系统框架，用于设计分布式评级协议，旨在激励策略性代理人通过共享信息进行协作。所提出的激励协议利用代理人互动的持续性来分配评级，并据此决定未来的奖励与惩罚：行为符合要求的代理人享有高评级，从而获得更大的未来他人信息访问权限；行为不符合要求的代理人享有低评级，从而获得较少的未来他人信息访问权限。与现有的评级协议不同，所提出的协议以分布式方式在线运行，并考虑了代理人之间的底层互联性及其异质性。我们证明，在许多部署场景中，采用所提出的评级协议所获得的无政府代价（PoA）为 1。在 PoA 大于 1 的场景中，我们表明所提出的评级协议仍然显著优于现有的激励机制，如“以牙还牙”（Tit-for-Tat）。重要的是，所提出的评级协议也可以在策略性代理人随时间变化的网络拓扑进行互动的部署场景中高效运行，其中新代理人会随时间加入网络。
引用
@article{arxiv.1309.1815,
title = {Information Sharing in Networks of Strategic Agents},
author = {Jie Xu and Yangbo Song and Mihaela van der Schaar},
journal= {arXiv preprint arXiv:1309.1815},
year = {2015}
}