折扣成本与平均成本平均场博弈中的学习
系统与控制
2022-11-11 v3 机器学习
系统与控制
最优化与控制
摘要
我们考虑在具有非线性随机状态动力学且受平均成本与折扣成本约束的离散时间平均场博弈中学习近似纳什均衡。为此，我们引入一个平均场均衡（MFE）算子，其不动点即为平均场均衡（即无限人口极限下的均衡）。我们首先证明该算子是压缩映射，并提出一种学习算法，通过用随机算子逼近 MFE 算子来计算近似平均场均衡。此外，利用 MFE 算子的压缩性质，我们建立了所提学习算法的误差分析。然后我们证明，所学得的平均场均衡构成了有限智能体博弈的一个近似纳什均衡。
引用
@article{arxiv.1912.13309,
title = {Learning in Discounted-cost and Average-cost Mean-field Games},
author = {Berkay Anahtarcı and Can Deha Karıksız and Naci Saldi},
journal= {arXiv preprint arXiv:1912.13309},
year = {2022}
}
备注
59 pages