关于网络中的影响力、稳定行为与最具影响力个体：一种博弈论方法

我们引入了一种新方法，用于研究策略环境中的影响力，其中个体的行为以网络结构化的方式依赖于他人的行为。我们提出 \emph{influence games}，作为大规模但有限的网络化群体行为的 \emph{game-theoretic} 模型。Influence games 允许 \emph{both} 正向与负向的 \emph{influence factors}，从而允许行为选择的反转。我们采用 \emph{pure-strategy Nash equilibrium (PSNE)}（非合作博弈论中的一个重要解概念）来正式定义 influence game 的 \emph{stable outcomes}，并在不显式考虑复杂动态的情况下预测潜在结果。我们探讨了网络影响力的一个重要问题，即 \emph{most influential individuals} 的识别，并使用 PSNE 计算从算法上加以解决。在 \emph{Computationally} 方面，我们提供了 关于 influence games 各类问题的 复杂性刻画； 关于若干特殊情形的高效算法以及针对困难情形的启发式方法；以及 针对识别最具影响力个体问题的、具有可证明保证的近似算法。在 \emph{Experimentally} 方面，我们使用合成的 influence games 以及若干具有普遍意义的真实世界场景（每个场景对应美国政府的一个独立部门）来评估我们的方法。在 \emph{Mathematically,} 方面，我们将 influence games 与重要的博弈论模型：\emph{potential and polymatrix games} 联系起来。