量化马尔可夫社会困境的自利水平

本文提出了一种估计马尔可夫社会困境自利水平的新方法。我们将自利水平的概念从正规型博弈扩展到马尔可夫博弈，提供了一个量化协调个体利益与集体利益所需的最小奖励交换的度量。我们在Melting Pot套件中的三个环境上演示了我们的方法，这些环境代表公共池资源或公共物品。我们的结果说明了奖励交换如何使智能体在马尔可夫社会困境中从自私均衡过渡到集体均衡。这项工作通过提供一种分析复杂多步社会困境的实用工具，为多智能体强化学习做出了贡献。我们的发现揭示了奖励结构如何促进或阻碍合作，在机制设计等领域具有潜在应用。