具有参与者依赖动作集的匿名非原子博弈中的学习及其在一阶平均场博弈中的应用
最优化与控制
2017-04-04 v1
摘要
我们引入了具有参与者依赖动作集的匿名博弈模型。我们提出了几种基于著名的虚拟博弈（Fictitious Play）和在线镜像下降（Online Mirror Descent）的学习过程，并证明了在经典单调性条件下它们收敛到均衡。典型例子是一阶平均场博弈。
引用
@article{arxiv.1704.00378,
title = {Learning in anonymous nonatomic games with applications to first-order mean field games},
author = {Saeed Hadikhanloo},
journal= {arXiv preprint arXiv:1704.00378},
year = {2017}
}