基于复制动态与最优响应动态的学习：无差异的重要性
动力系统
2017-04-04 v6
摘要
本文从博弈渐近的角度比较了两种学习过程，即由复制动态和最优响应动态生成的过程。我们的研究基于复制动态与最优响应动态的局部稳定纯 Nash 均衡吸引域的交集。局部稳定性意味着吸引域具有正测度，但存在这样的例子：复制动态与最优响应动态吸引域的交集可以任意小。我们给出了涉及存在不稳定内部 Nash 均衡的条件，使得任意局部稳定纯 Nash 均衡在复制动态与最优响应动态下的吸引域在一个正测度集合中相交。因此，对于正测度集合中的任意初始条件选择，如果一个纯 Nash 均衡是局部稳定的，则两种过程下的学习结果一致。我们提供了说明上述内容的例子，包括一些两种学习动态吸引域完全一致的例子。我们探讨了无差异集在稳定 Nash 均衡吸引域重合中所起的作用。
引用
@article{arxiv.1602.00906,
title = {Learning by replicator and best-response: the importance of being indifferent},
author = {Sofia B. S. D. Castro},
journal= {arXiv preprint arXiv:1602.00906},
year = {2017}
}