Cournot 博弈中的无后悔学习
计算机科学与博弈论
2020-02-12 v3 多智能体系统
系统与控制
系统与控制
最优化与控制
摘要
本文研究了具有连续行动的 Cournot 博弈中无后悔学习的收敛性。Cournot 博弈是许多社会经济系统的基本模型，其中参与者通过策略性地设定其产量进行竞争。我们假设参与者不具有博弈的完整信息，因此无法预先计算纳什均衡。考虑了两类反馈：一类是 bandit 反馈，另一类是梯度反馈。为研究由此诱导的行动序列的收敛性，我们引入依测度收敛的概念，并证明参与者的实际行动序列收敛到唯一的纳什均衡。此外，我们的结果自然地将无后悔学习算法的时间平均后悔界扩展，从而得到最终迭代的收敛速率。总之，我们的工作在无需对博弈性质（如单调性）做强假设的情况下，给出了博弈中学习显著更锐利的收敛结果，并展示了如何利用博弈信息反馈来影响收敛速率。
引用
@article{arxiv.1906.06612,
title = {No-regret Learning in Cournot Games},
author = {Yuanyuan Shi and Baosen Zhang},
journal= {arXiv preprint arXiv:1906.06612},
year = {2020}
}