在非单调博弈类中利用个性化激励学习均衡
最优化与控制
2022-03-31 v2 计算机科学与博弈论
机器学习
多智能体系统
系统与控制
系统与控制
摘要
我们考虑具有智能体间对称交互的二次型非单调广义纳什均衡问题。尽管已知此类博弈存在势函数，但在若干现实应用中其显式表达式可能无法获得。为此，我们提出一种双层纳什均衡寻求方案，其中中央协调器利用来自智能体的噪声反馈为其设计个性化激励。借助这些激励，智能体计算一个扩展博弈的解，然后将反馈度量返回给协调器。我们证明，若协调器配备标准学习策略，则我们的算法可返回一个均衡，并在一个弱单调博弈的数值实例上证实了我们的结果。
引用
@article{arxiv.2111.03854,
title = {Learning equilibria with personalized incentives in a class of nonmonotone games},
author = {Filippo Fabiani and Andrea Simonetto and Paul J. Goulart},
journal= {arXiv preprint arXiv:2111.03854},
year = {2022}
}