网络拥堵博弈中的公共信号
计算机科学与博弈论
2025-10-22 v2
摘要
我们考虑了改善交通网络的一个很大程度上未被发掘的潜力，其根源在于出行时间的内在不确定性。出行时间受到诸如天气状况、道路施工或交通事故等各种参数导致的随机不确定性影响。大型出行服务相对于单个网络用户具有信息优势，因为它们能够从数据中学习交通状况。一个善意的出行服务可以利用这一信息优势将交通均衡引导至有利方向。由此产生的优化问题通常被称为信号发送（signaling）或贝叶斯说服（Bayesian persuasion）。先前的研究表明，即使在具有随机偏移的仿射成本函数下，底层信号发送问题在任何非平凡界限内近似求解都是 NP-hard 的。相反，我们证明了在这种情况下，对于许多网络该信号发送问题是容易的。我们紧密刻画了单商品网络（single-commodity networks）的类别，其中完全信息揭示始终是最优信号策略。此外，我们构建了从最优信号发送到计算 Wardrop 均衡的最优支撑向量集合的归约。对于两种状态，这一见解可用于计算最优信号方案。每当由任意信号分布产生的不同支撑数量被限制为输入规模的多项式时，该算法在多项式时间内运行。利用单元分解技术，我们将该方法推广到具有常数个商品的多商品并行链路网络的多项式时间算法，即使我们具有常数个自然状态。
引用
@article{arxiv.2205.09823,
title = {Public Signals in Network Congestion Games},
author = {Svenja M. Griesbach and Martin Hoefer and Max Klimm and Tim Koglin},
journal= {arXiv preprint arXiv:2205.09823},
year = {2025}
}