贝叶斯博弈中的无悔学习
计算机科学与博弈论
2015-11-23 v2 机器学习
摘要
近期对完全信息博弈的无政府状态代价分析表明，表征无悔学习动态结果的粗相关均衡具有接近最优的福利。本工作提供了两个主要技术结果，将这一结论推广到不完全信息博弈，即贝叶斯博弈。首先，当私有信息公开时，基于平滑性证明的同一博弈中接近最优福利的结论，可直接推出贝叶斯博弈中接近最优的福利。其次，在这些不完全信息博弈中，无悔学习动态收敛于贝叶斯粗相关均衡。这些结果是通过将贝叶斯博弈解释为完全信息的随机博弈而实现的。
引用
@article{arxiv.1507.00418,
title = {No-Regret Learning in Bayesian Games},
author = {Jason Hartline and Vasilis Syrgkanis and Eva Tardos},
journal= {arXiv preprint arXiv:1507.00418},
year = {2015}
}