现时偏倚优化
最优化与控制
2021-01-01 v1 人工智能
多智能体系统
摘要
本文探讨了现时偏倚主体的行为，即那些错误地预期未来行动成本相对于其真实成本的主体。具体而言，本文扩展了 Akerlof (1991) 提出的用于研究与时间不一致规划相关的人类行为各个方面（包括拖延和放弃）的原始框架，以及 Kleinberg 和 Oren (2014) 最近提出的封装该框架的优雅图论模型。这一扩展的好处有两方面。首先，它能够根据现时偏倚主体必须执行的优化任务对其行为进行细粒度分析。特别地，我们研究了覆盖任务与命中任务，并表明由现时偏倚主体计算的解决方案成本与最优解决方案成本之比可能根据问题约束而显著不同。其次，我们的扩展不仅能够研究未来成本的低估与最小化问题的结合，还能研究最小化/最大化和低估/高估的所有组合。我们研究了这四种情形，并对其中三种情形建立了成本比的上界（原始情形的成本比已知是无界的），从而就优化任务而言，提供了现时偏倚主体行为的完整全局图景。
引用
@article{arxiv.2012.14736,
title = {Present-Biased Optimization},
author = {Fedor V. Fomin and Pierre Fraigniaud and Petr A. Golovach},
journal= {arXiv preprint arXiv:2012.14736},
year = {2021}
}