基于神经形态的有限动作游戏最佳响应实现
动力系统
2026-05-05 v3 最优化与控制
摘要
我们发展了一种关于有限动作游戏中最佳响应的机制性动力系统表述，游戏中的动作集合具有关系结构。 proposed 的神经形态决策动力学将最佳响应实现为内部状态空间过程的稳定结果，而非作为外部强加的选择规则。这提供了一种确定性的承诺形成、通过吸引域实现的对称性分辨以及在扰动下的滞后性和决策持久性解释。在动作空间具有循环耦合的情况下，我们使用 Lyapunov-Schmidt 约化证明，动作-耦合算子决定了哪些证据组件主导决策形成。我们进一步表明，动力学在动作数量独立的速率下，隐式地计算几何感知的效用，并指数收敛于相应的最佳响应，仅在证据足够强时才会切换。相比之下，将相同的几何感知效用直接提供给逻辑动力学无法恢复这些属性，表明关系结构必须嵌入决策机制本身。我们在重复覆盖游戏中展示了该框架，证明了诱导的游戏是精确势能游戏，并显示其纳什均衡由神经形态动力学到达。
引用
@article{arxiv.2604.03222,
title = {Neuromorphic Realization of Best Response in Finite-Action Games},
author = {Himani Sinhmar and Vaibhav Srivastava and Naomi Ehrich Leonard},
journal= {arXiv preprint arXiv:2604.03222},
year = {2026}
}