社交网络与语言演化上的量化博弈
信息论
2021-09-01 v1 多智能体系统
信号处理
math.IT
摘要
我们考虑一种策略性网络量化器设计场景，其中智能体必须在其本地源分布表示的保真度与同其他相连智能体成功通信的能力之间取得平衡。我们将该问题作为一个网络博弈来研究，并证明纳什均衡量化器的存在性。对于任意智能体，在纳什均衡下，表示给定划分区域的词是该区域内本地与社会源概率分布混合的条件期望。由于了解网络中信息的原始来源可能并不现实，我们证明在某些条件下，智能体无需知道来源出处，仅利用观测到的源仍可达成纳什均衡。此外，网络可通过 Lloyd-Max 算法的分布式版本收敛至均衡。与语言演化的传统结果相反，我们发现纳什均衡中可共存多种词汇，每个个体恰好拥有其中一种词汇。对于频繁通信且本地源相似的个体，其词汇间重叠度高。最后，我们论证当且仅当通信链由共享词汇的智能体组成时，沿通信链传递的翻译误差才不会增长。文中给出了数值结果。
引用
@article{arxiv.2006.00584,
title = {Quantization Games on Social Networks and Language Evolution},
author = {Ankur Mani and Lav R. Varshney and Alex and Pentland},
journal= {arXiv preprint arXiv:2006.00584},
year = {2021}
}