基于神经网络的公共项目问题中的再分配机制
计算机科学与博弈论
2022-03-14 v1
摘要
多智能体系统中的许多重要问题涉及资源分配。自利的智能体若谎报其估值能增加自身效用，便可能这样做。因此，有必要设计具有期望性质与目标的机制（集体决策规则）。VCG再分配机制是高效的（估值最高的智能体将获得资源）、防策略的（智能体没有谎报估值的动机）且弱预算平衡的（无赤字）。我们关注经典公共项目问题的VCG再分配机制，其中一组智能体需要决定是否建造一个非排他性公共项目。我们通过神经网络设计具有两个福利最大化目标的机制：最坏情况下最优与期望情况下最优。先前研究给出了3个智能体的两种最坏情况最优机制，但多于3个智能体的最坏情况最优机制尚未确定。在最大化期望福利方面，尚无现有结果。我们使用神经网络设计VCG再分配机制。神经网络已被用于设计具有单位需求的多单元拍卖的再分配机制。我们表明，对于公共项目问题，先前提出的、对具有单位需求的多单元拍卖导出最优/近最优机制的神经网络，在公共项目问题上表现极差。我们在多方面显著改进现有网络：我们构建了一个GAN网络来生成最坏情况类型剖面，并将先验分布注入损失函数以为期望最优目标提供高质量梯度……
引用
@article{arxiv.2203.05778,
title = {Redistribution in Public Project Problems via Neural Networks},
author = {Guanhua Wang and Wuli Zuo and Mingyu Guo},
journal= {arXiv preprint arXiv:2203.05778},
year = {2022}
}